RPMS: 通过规则增强记忆协同增强基于LLM的具体化规划
人工智能
2026-03-19 v1
摘要
LLM智能体在封闭世界具体化环境中常常失败，因为动作必须满足严格的前提条件——例如位置、库存和容器状态——且失败反馈稀疏。我们识别出两种结构耦合的失败模式：（P1）无效动作生成和（P2）状态漂移，两者在退化循环中相互放大。我们提出了RPMS，一种冲突管理架构，它通过结构化规则检索强制执行动作可行性，通过轻量级信念状态门控记忆适用性，并通过规则优先仲裁解决两个来源之间的冲突。在ALFWorld（134个未见任务）上，RPMS使用Llama 3.1 8B实现了59.7%的单次尝试成功率（比基线高23.9个百分点），使用Claude Sonnet 4.5实现了98.5%（高11.9个百分点）；在8B模型的增益中，仅规则检索一项就贡献了14.9个百分点（统计显著），使其成为主导因素。一个关键发现是，情景记忆有条件地有用：当无根据地使用时，它会在某些任务类型上损害性能，但一旦通过当前状态过滤并由显式动作规则约束，它就会成为一个稳定的净正收益。将RPMS适配到ScienceWorld并使用GPT-4，在所有消融条件下都取得了一致的增益（平均得分54.0对比ReAct基线的44.9），这提供了核心机制在结构不同的环境中成立的迁移证据。
引用
@article{arxiv.2603.17831,
title = {RPMS: Enhancing LLM-Based Embodied Planning through Rule-Augmented Memory Synergy},
author = {Zhenhang Yuan and Shenghai Yuan and Lihua Xie},
journal= {arXiv preprint arXiv:2603.17831},
year = {2026}
}