深度分析
LedgerAgent：結構化分類帳提升客服 AI 工具呼叫的一致性與政策遵循
在客戶服務領域，工具呼叫代理人常因隱性任務狀態導致決策錯誤。研究提出LedgerAgent，於推論時以結構化分類帳保存工具回傳，並在執行環境變更前以策略門檻檢查。實驗顯示在四個服務領域與多模型測試中，Pass^k提升顯著，特別在多回合一致性上表現最佳。
深度分析
在客戶服務領域，工具呼叫代理人常因隱性任務狀態導致決策錯誤。研究提出LedgerAgent，於推論時以結構化分類帳保存工具回傳，並在執行環境變更前以策略門檻檢查。實驗顯示在四個服務領域與多模型測試中，Pass^k提升顯著，特別在多回合一致性上表現最佳。
深度分析
面對含糊或缺失資訊的多輪互動場景，研究團隊提出 BALAR（Bayesian Agentic Loop for Active Reasoning），一套免訓練的貝氏外迴路，讓指令式大型語言模型能在推理過程中維護結構化的隱含狀態、以最大化互信息選擇釐清問題，並在必要時動態擴展狀態表示。