从示例学习正确行为：自主智能体中的顺序执行验证

随着自主智能体日益复杂，验证其顺序行为成为重大挑战。传统测试方法需要人工规范、精确序列匹配或数千训练样本。我们提出一种新算法：仅从2-10条通过的执行轨迹自动学习正确行为模型，并对新执行进行验证。该方法结合编译器理论中的支配分析（dominator analysis）与多模态大语言模型驱动的语义理解，识别本质状态并处理非确定性行为。系统用前缀树接受器构建广义真值模型，经多层级等价检测合并轨迹，并以拓扑子序列匹配验证新执行。受控实验中，仅用3条训练轨迹即在检出产品缺陷与「假成功」上达到高准确率。该方法提供带覆盖率指标的可解释验证结果，适用于UI测试、代码生成与机器人流程等多种领域。