arXiv · cs.AI· Zile Huang, Ser-nam Lim·· 1 天前
TRACE-FIX：用残余任务状态修复长程智能体故障
From Trace to Fix: Residual Task State in Long-Horizon Agents
arXiv:2610.25776v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zile Huang, Ser-nam Lim
研究任务与主要进展
研究团队提出TRACE-FIX，通过版本化残余任务状态统一长程、有状态语言智能体的故障诊断与修复。Trace将执行日志转换为依赖关联账本，Fix则在预算约束下进行结果预测和修复规划；作者基于LongH-Debug报告称，结构化残余跟踪可提升因果定位，预算感知的顺序规划可将故障信号转化为更可靠的任务恢复。代码已公开于https://github.com/toffeecat/tracedp。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org