无监督智能体应用中的循环检测
计算与语言
2025-11-17 v1 人工智能
多智能体系统
摘要
由大型语言模型驱动的智能体应用表现出非确定性行为，可能形成隐藏的执行循环，默默消耗资源而不会触发显式错误。传统的可观测性平台无法检测这些代价高昂的效率问题。我们提出了一种无监督循环检测框架，结合结构化和语义分析。我们的 метод 首先应用计算效率高的时序调用栈分析来识别显式循环，然后利用语义相似性分析来发现以冗余内容生成为特征的微妙循环。在基于 LangGraph 的股票市场应用程序中评估的 1575 条轨迹上，我们的混合方法 achieves an F1 分数为 0.72（精确率：0.62，召回率：0.86），显著优于单独的结构方法（F1：0.08）和语义方法（F1：0.28）。尽管这些结果令人鼓舞，但仍存在 substantial 改进的空间，需要进一步工作来完善方法并解决其当前局限性。
引用
@article{arxiv.2511.10650,
title = {Unsupervised Cycle Detection in Agentic Applications},
author = {Felix George and Harshit Kumar and Divya Pathak and Kaustabha Ray and Mudit Verma and Pratibha Moogi},
journal= {arXiv preprint arXiv:2511.10650},
year = {2025}
}