PolicyGuide: From Guarding One Action to Guiding the Whole Workflow for Policy-Compliant LLM Agents
PolicyGuide 将领域策略编译为工作流图，并在用户轮次边界调用主动验证器，从持久化的图状态协调未决请求并返回逐步补救。在 τ^2-bench 的航空、零售和电信领域，使用 GPT-5.4 智能体和验证器，平均 Pass^4 从 0.42 提升至 0.62，电信领域从 0.19 提升至 0.61。相同工作流可迁移至 Claude Sonnet 4.6 和 Gemini 2.5 Pro 智能体。
发展脉络
- 首次出现PolicyGuide: From Guarding One Action to Guiding the Whole Workflow for Policy-Compliant LLM AgentsHugging Face Daily Papers
- 行业反馈PolicyGuide: From Guarding One Action to Guiding the Whole Workflow for Policy-Compliant LLM AgentsarXiv cs.CL
- 当前判断该研究针对客户服务 LLM 智能体的合规问题，表明工作流级别的验证比动作级防护更有效。在电信等流程结构化程度高的领域，提升尤为显著，暗示在高度规范化的行业（如金融、医疗）中，此类方法可能具有更大价值。Agent Pulse · 分析
PolicyGuide 是一种用于策略合规 LLM 智能体的新方法，它将领域策略编译为工作流图，并在用户轮次边界调用主动验证器，以指导智能体完成多步骤流程。在 τ^2-bench 基准的航空、零售和电信领域，使用 GPT-5.4 智能体和验证器，平均 Pass^4 从 0.42 提升至 0.62，其中电信领域提升最大（从 0.19 到 0.61），该领域工作流结构化程度最高。相同工作流可迁移至 Claude Sonnet 4.6 和 Gemini 2.5 Pro 智能体。
PolicyGuide 的核心创新在于将策略编译为工作流图，并在用户轮次边界进行主动验证，而非仅对单个动作进行局部检查。这种方法能够处理多步骤流程中的合规失败，例如遗漏身份验证或确认等程序性要求。其验证器从持久化的图状态协调未决请求，并返回逐步补救，从而引导智能体沿合规路径执行。
该研究针对客户服务 LLM 智能体的合规问题，表明工作流级别的验证比动作级防护更有效。在电信等流程结构化程度高的领域，提升尤为显著，暗示在高度规范化的行业（如金融、医疗）中，此类方法可能具有更大价值。
对于依赖 LLM 智能体处理客户请求的企业，PolicyGuide 提供了一种提高策略合规性的方法，可能减少因违规操作导致的罚款或声誉损失。其工作流可迁移性表明，企业可能无需更换底层模型即可采用该方法，从而降低部署成本。
未来可观察 PolicyGuide 是否被集成到主流智能体框架或客户服务平台，以及其工作流图编译方法是否扩展到更多领域。可验证的信号包括：在更多基准上的公开评测、与现有智能体框架的集成，或相关论文的后续工作。