论文
授权闭包图：随用户指令变化对LLM Agent进行最小修复
Authorization Closure Graph: Minimal Repair for LLM Agents with Evolving User Instructions
摘要
使用工具的大语言模型 (LLM) Agent越来越多地执行需要用户授权的状态更改操作。然而，现有方法没有提供用于当仅部分指令改变时选择性地更新先前授权的原则性机制。为此，我们提出了一个基于授权闭包图（ACG）的框架，该框架将授权及其依赖关系表示为不断发展的版本化状态。 ACG 有选择地使受修订影响的权限无效，同时保留授权状态的未受影响部分，并计算最小修复，仅识别执行所需的缺失证据或权限。这使得Agent能够适应修订后的指令，同时避免过时的权限和不必要的授权请求。我们在两个自然任务中评估了三个高级LLM的 ACG，ACG 持续提高了动作安全率和任务成功率。代码可在 https://github.com/weiliang822/ACG. 获取