跳转至

Read this paper write-up in English

Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States

复现级别：L1 核心机制诊断。 执行 belief 更新与停滞检测；未调用外部工具环境。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 原文首页未列第一作者机构（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter belief-state-pos
本地复现代码 src/auto_research/agent_research/latest_20261003.py

原始论文总结

背景与主要改动

把当前世界事实与尚未解决的任务要求显式维护为 belief；若连续动作没有减少 unresolved requirements，则识别 Belief Trapping 并触发针对性恢复。

flowchart LR
  I[输入与当前状态] --> M[belief-state-pos 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(b_t=(facts_t, unresolved_t)\)，\(\Delta|unresolved|\ge0\) 标记停滞。

论文离线与线上效果

四个执行/诊断 benchmark 上改善长程 Agent 成功率。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行 belief 更新与停滞检测；未调用外部工具环境。