Unverified50% confidenceFactExact time
智能体的执行具有非确定性，同样的输入可能因模型的随机采样而产生不同输出，因此其恢复机制需要保存完整的执行轨迹和中间推理步骤
1
Sources
50%
Confidence
Long-term
Relevance
8/5/2026
First Seen
Sources
Related Claims
Unverified由于大语言模型基于概率采样，即便指令写在上下文中，模型仍可能在复杂推理链中遗忘或跳过某些指令，这被称为指令遵循的不稳定性74% similarVerifiedReAct 智能体的核心是「推理-行动-观察」循环，LLM 分析问题后决定调用工具，观察返回结果，若不满足则继续推理直到给出最终回复73% similarUnverified如果模型只见过正样本，会倾向于对任何输入都强行调用工具，产生幻觉式调用，负样本帮助模型习得何时不该调用的判断边界73% similarUnverified上下文回贯缺失指工具执行后的观测结果（observation）没有回写到对话上下文，导致模型每轮接收相同上下文而重复相同决策72% similarUnverified对齐良好的模型会将元指令引导至合规的创意表达，而对齐不足的模型可能出现意外行为72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/690428API
curl https://kongchang.com/api/v1/knowledge/claims/690428MCP
get_claim(id=690428)