沙丘社区
论文

R-APS：面向约束推理的组合推理与上下文元学习

R-APS: Compositional Reasoning and In-Context Meta-Learning for Constrained Design via Reflective Adversarial Pareto Search

João Pedro Gandarela; Thiago Rios; Stefan Menzel; André Freitas
智能体系统上下文与知识记忆Agent 规划Agent记忆

摘要

大型语言模型 (LLM) 能够流畅地执行开放式任务，但在代理环境中，系统必须在更广阔的范围内进行规划、使用工具和行动，流畅性并不能确保可靠的交付。我们将这种差距追溯到三个耦合的结构故障：错误在没有本地化的情况下传播，最坏情况的扰动未被评估，积累的知识永远不会失效。我们认为这些都有一个根本原因：溯因推理、反事实推理、元归纳推理、纠正推理和归纳推理将共同的背景推向不相容的方向。我们引入了反射性对抗帕累托搜索（R-APS），据我们所知，这是第一种通过推理模式分解联合解决所有三种失败的方法，为每种推理模式分配自己的上下文并协调三个时间尺度的交互：使用类型化验证批评家的分阶段组合推理（失败定位），敏感度引导的反事实压力测试作为一流的帕累托目标（鲁棒性），以及具有显式失效的元归纳规则提取（持久性）。记忆）。 R-APS 不需要微调，并且纯粹通过结构化协议设计在冻结的 LLM 上运行。我们评估平面机构综合（机器人、假肢、机械设计），每个候选者都由运动学解算器检查。在 32 个目标轨迹上，R-APS 提供的鲁棒性证书比均匀扰动基线严格 3.5 倍，首次接纳迭代速度提高 46%，倒角距离比 Enum+GA 减少 2.1 倍，同时共同控制条数和最坏情况鲁棒性。事实证明，小型 4B 推理专用模型与协议内的通用 70B 主干网具有竞争力，这表明结构化协议可以部分抵消模型规模。

R-APS：面向约束推理的组合推理与上下文元学习：论文配图
图 2：R-APS：三时间尺度推理模式分离。左（红色）：每个时间尺度解决的三个结构性故障。模式 1（阶段内）将设计分解为带有类型化验证批评器 C1/C2/C3 的类型化阶段；选择性细化仅校正诊断的阶段 (i)。插图链接显示阶段内进展：左侧，原始拓扑建议（不受约束的几何形状，无目标）；右图，优化后的相同机制，耦合器轨迹（红色虚线椭圆）与目标对齐。模式 2（情节内）运行 Sobol 导向的压力测试，提供消除故障 (ii) 的鲁棒性证书 ρ⁡(M)\rho(M)。模式 3（情节间）从细化轨迹中提取启发式并使之无效；紫色虚线循环在没有参数更新的情况下提供 π(t+1)\pi^{(t{+}1)} ，消除了失败 (iii)。