DNative-Twin：通过决策图与数字孪生实现可重建的智能体决策

人工智能代理越来越多地收集证据、调用工具、应用约束并生成人们或软件可以承诺采取行动的决策。仅最终输出无法显示哪些证据、工具状态、规则、授权或操作路径产生了它。我们提出了 DNative-Twin，这是一种图原生数字孪生，它将承诺的代理决策记录为类型化轨迹，并在声明的条件下重新执行其决策机制。该图链接了代理观察到的状态、其遵循的路径以及结果操作背后的权威。孪生同步此信息，单独重播该机制，并在受控变化下进行比较。我们使用三个公共流程日志和受控重播套件在企业决策流程中实例化该框架。实验确定了一个特定的故障：图形结构定位了所表示的变化，但无法确定未观察到的工具状态的后果。在包含 300 个注入实例的三条件控制实验中，当添加重播合约状态时，未解决的分歧召回率从 0 增加到 0.667，当验证结果也可用时，未解决发散召回率从 0 增加到 1.0；保留的集合不包含关键类实例。在 2020 年 500--5,000 个 BPI 案例中，报告平台上的中位端到端时间从 0.794 秒增加到 8.889 秒。这些结果将图结构、重放上下文和验证证据在审查决策机制中的作用分开。