Interlock: dalla correttezza locale al completamento dei compiti negli agenti a lungo orizzonte

Abstract degli autori

Gli agenti basati su grandi modelli linguistici affrontano sempre più spesso compiti di lungo orizzonte in ambienti complessi, caratterizzati da evidenze frammentarie, stati parzialmente completati e dipendenze tra risorse e artefatti. Gli agenti esistenti possono soddisfare i singoli requisiti senza riuscire a preservare queste relazioni, ottenendo risultati corretti a livello locale ma incompleti. Questi fallimenti si verificano perché il completamento di un compito dipende dalle relazioni tra le evidenze presenti nell’ambiente, le decisioni che ne conseguono e gli effetti richiesti. Per colmare questo divario, proponiamo Interlock, un framework per la sintesi di compiti che rappresenta ogni compito come un grafo di completamento tipizzato. Gli archi di ancoraggio collegano le evidenze pubbliche alle decisioni, gli iperarchi di accoppiamento impongono vincoli congiunti tra i componenti e gli archi di realizzazione collegano le decisioni a tutti gli effetti successivi richiesti. Interlock traduce questo grafo in uno spazio di lavoro ripristinabile, una richiesta pubblica e una griglia di valutazione. Una verifica della copertura delle fonti controlla che i requisiti originali siano preservati durante la generazione, mentre una verifica degli input pubblici controlla che la griglia sia supportata dai materiali a disposizione di chi deve risolvere il compito. Un agente nel ruolo di giudice esamina gli artefatti prodotti durante l’esecuzione ed esegue script di verifica, conservando le traiettorie giudicate conformi a tutti i requisiti obbligatori. Per valutare l’utilità dei dati ai fini dell’addestramento, eseguiamo il fine-tuning di due modelli di base Qwen3.6, ciascuno sulle proprie traiettorie accettate. Per i due modelli di base, l’addestramento migliora i tassi di superamento dei compiti di AutomationBench di 4,00-4,50 punti percentuali, i punteggi ponderati di JobBench di 3,20-6,64 punti e i tassi di superamento dei criteri di Harvey LAB di 3,89-4,16 punti percentuali. Questi risultati dimostrano l’utilità delle esperienze sintetizzate per l’addestramento in ambienti di compiti esterni.