遍历即政策：基于日志提炼的门控行为树作为外部化、可验证的安全、稳健高效智能体策略
机器学习
2026-03-09 v1 人工智能
密码学与安全
软件工程
摘要
自主LLM智能体因长期程度策略隐含于模型权重和 transcript 中，而安全性事后添加，导致失败。我们提出Traversal-as-Policy：将沙盒化OpenHands执行日志蒸馊为单个可执行的Gated Behavior Tree（GBT），并将树遍历——而非无限制生成——作为任务在覆盖范围内的控制策略。每个节点编码状态条件动作宏，从成功轨迹中矿选并合并校验；涉及不安全轨迹的宏附加对结构化工具上下文和受限历史的确定性事前执行门控，在经验 grounding 的单调性下更新，使先前被拒绝的不安全上下文无法再被接受。在运行时，轻量级遍历器将基模型的意图匹配到子节点宏，逐个执行宏 under全局和节点级门控，若被阻塞则执行风险感知的最短路径恢复至可行成功叶节点；访问的路径形成紧凑脊椎记忆，取代 transcript 重放。在统一的OpenHands沙盒中评估于15+软件、网页、推理和安全/安全基准测试中，GBT在提高成功率的同时推动违规接近零，降低成本。在SWE-bench Verified（协议A，500个issue）上，GBT-SE将成功率从34.6%提升至73.6%，违规从2.8%降至0.2%，token/字符使用从208k/820k降至126k/490k；采用相同蒸馊树，8B执行器在SWE-bench Verified（14.0%→58.8%）和WebArena（9.1%→37.3%）上的成功率显著提升。
引用
@article{arxiv.2603.05517,
title = {Traversal-as-Policy: Log-Distilled Gated Behavior Trees as Externalized, Verifiable Policies for Safe, Robust, and Efficient Agents},
author = {Peiran Li and Jiashuo Sun and Fangzhou Lin and Shuo Xing and Tianfu Fu and Suofei Feng and Chaoqun Ni and Zhengzhong Tu},
journal= {arXiv preprint arXiv:2603.05517},
year = {2026}
}
备注
30 pages, 1 figurres, 23 tables