POLARIS：面向后台自动化中智能体AI的类型化规划与受控执行
人工智能
2026-01-21 v1
摘要
企业后台工作流需要可审计、符合策略且操作可预测的智能体系统，而通用的多智能体设置通常无法满足这些能力。我们提出了POLARIS（Policy-Aware LLM Agentic Reasoning for Integrated Systems，面向集成系统的策略感知LLM智能体推理），这是一个受控的编排框架，将自动化视为基于LLM智能体的类型化规划合成与验证执行。规划器提出结构多样、类型检查的有向无环图（DAG），一个基于量规的推理模块选择单个合规计划，执行过程由验证器门控检查、有界修复循环以及编译的策略护栏守护，这些护栏可在副作用发生前阻止或路由它们。应用于以文档为中心的财务任务时，POLARIS生成决策级工件和完整的执行轨迹，同时减少了人工干预。实证上，POLARIS在SROIE数据集上实现了0.81的微观F1值，并在受控合成套件上，对异常路由实现了0.95至1.00的精确率，同时保留了审计追踪。这些评估构成了受控智能体AI的初步基准。POLARIS为策略对齐的智能体AI提供了方法论和基准参考。关键词：智能体AI、企业自动化、后台任务、基准、治理、类型化规划、评估
引用
@article{arxiv.2601.11816,
title = {POLARIS: Typed Planning and Governed Execution for Agentic AI in Back-Office Automation},
author = {Zahra Moslemi and Keerthi Koneru and Yen-Ting Lee and Sheethal Kumar and Ramesh Radhakrishnan},
journal= {arXiv preprint arXiv:2601.11816},
year = {2026}
}
备注
Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks: AAAI 2026