精选14天前0 投票
SDOF：用状态约束调度驯服多智能体编排中的对齐税
简介
多智能体编排框架如 LangChain、LangGraph 和 CrewAI 通过基于图的流水线路由任务，但未能强制执行真实业务流程中的阶段约束。针对这一痛点，研究人员提出了 SDOF（State-Constrained Dispatch Orchestration Framework），将多智能体执行视为一个受约束的状态机，通过两层防御机制实现可控、可审计的任务调度。
核心机制
SDOF 由三个组件构成：
- 在线 RLHF 专用意图路由器（Online-RLHF Specialized Intent Router）：通过生成式奖励建模（GRPO）训练，用于准确识别用户意图并路由到合适的工作流。
- 状态感知调度器（StateAwareDispatcher）：内置**目标阶段（GoalStage）**有限自动机检查，确保任务按预定义状态转移执行。
- 技能注册表验证（SkillRegistry）：验证前置条件/后置条件，提供可审计的执行控制。
这两个防御层协同工作，防止非法操作和状态冲突，从而降低“对齐税”——即通用智能体在开放环境中因缺乏约束而产生的偏差成本。
实验验证
研究团队在 北森 iTalent 平台（服务 6000+ 企业）的招聘系统上进行了评估：
- 185 个专家策划的场景 触发 1671 次实时 API 调用。
- 在 FSM 约束的对抗性路由基准上，使用 GSPO 对齐的 7B 意图路由器 达到了 80.9% 的联合准确率，而零样本 GPT-4o 仅为 48.9%。
- 端到端执行中，SDOF 实现了 86.5% 的任务完成率（95% 置信区间 80.8–90.7），并 阻止了所有 22 个注入和非法 HR 子集操作。
- 在更广泛的消息级审计中，SDOF 的精确率为 100%，召回率为 88%，专家一致性 kappa 值为 0.94。
此外，在涵盖 8 个服务领域的 960 个 SGD 派生对话 上，SDOF 的 FSM 映射发现了 201 个阶段顺序冲突，其中 41 个出现在正常分割中。
行业意义
SDOF 的提出为多智能体系统在复杂业务场景中的落地提供了新思路。通过将状态机约束引入编排层，它有效平衡了智能体的灵活性与业务规则的刚性需求。对于企业级应用（如招聘、客服、审批流程），这种受约束的调度能显著降低错误率和安全风险，同时保持较高的任务完成质量。
当前版本为 arXiv 预印本，后续将发布多种子训练对比和更深入的工作流评估。