RunAgent：通过约束引导执行解释自然语言计划

人类通过执行有针对性的计划来解决问题，但 大语言模型 (LLM) 对于结构化工作流程执行仍然不可靠。我们提出了 RunAgent，一个多代理计划执行平台，它解释自然语言计划，同时通过约束和规则强制执行逐步执行。 RunAgent 通过具有显式控制结构（例如 \texttt{IF}、\texttt{GOTO}、\texttt{FORALL}）的代理语言，将自然语言的表达性与编程的确定性联系起来。除了根据每个步骤的具体指令执行步骤输出的语法和语义验证之外，RunAgent 还根据每个步骤的任务及其实例的描述自主导出和验证约束。 RunAgent 还动态地在基于 LLM 的推理、工具使用以及代码生成和执行（例如，在 Python 中）之间进行选择，并合并纠错机制以确保正确性。最后，RunAgent 通过在每个步骤执行期间仅保留相关信息来过滤上下文历史记录。对 Natural-plan 和 SciBench 数据集的评估表明，RunAgent 优于基线 LLM 和最先进的 PlanGEN 方法。