Agent 做到一半，用户改了主意——这篇论文想治这个病

如果你用 Agent 干过持续半小时以上的任务，大概率遇到过这个场景：跟它说到第三步了换个思路，它礼貌接受，然后继续按旧逻辑调旧 API，反复在一个无关函数上打转，直到 token 烧完或者直接关掉重开。

目前工具调用类 Agent 有一个结构性缺陷——意图漂移。用户的真实意图在执行中途发生变化时，模型没有机制区分「当前有效的指令」和「已经被覆盖的历史约束」，旧上下文像噪音一样稀释注意力，最终引发灾难性偏离和无限 API 循环。

8 月 3 号上 arXiv 的一篇新论文，把这个事当成了核心命题来攻。

论文标题很长，叫 IACM-RL，全称是 Intent-Aware Context Management and Reinforcement Learning for Complex Tool Invocation under Dynamic Intent Fluctuations。作者阵容不小，25 个人，复旦背景居多，通讯里有 Tao Gui、Qi Zhang、Xipeng Qiu、Xuanjing Huang 这些熟悉的名字。

痛点到什么程度？

论文里建了一个新评测集叫 DynamicIntent，覆盖了 13 种意图波动的细粒度场景。不是简单的「用户改口」，而是包括：中途追加约束、撤回之前的要求、在子任务层面切换优先级、甚至同时维护两条矛盾指令最后再裁决——这些在真实业务里太常见了。

拿数据分析 Agent 来说，用户先说要按地区聚合，看了两个结果又说按品类看，然后说不对还是按地区但要加一个过滤条件——每一轮都在覆盖上一轮的意图，但模型记住的往往是「所有历史」。

现有方案怎么做？隐式历史扫描、文本压缩、或者直接拼完整对话历史。论文管这叫 implicit history scanning，让模型自己在长上下文里猜哪些词条还管用。猜对的概率，随任务跨度和意图变化次数呈指数下降。

IACM-RL 的核心设计是两段式。

第一段，BeliefState-based Self-Generated Context Manager。它让 Agent 不再被动吞全部历史，而是主动维护一个「信念状态」——当前意图是什么、哪些参数已经被覆盖、哪些工具调用结果是过时的。这层管理器用结构化的 stale flag 标记旧信息，做显式的隔断，不让上一个步骤的约束流窜到当前决策里。

第二段，用强化学习把这个状态追踪能力内化成模型的自主行为。论文设计了一个分层意图驱动的奖励函数，外加三个辅助损失：行动矫正（action calibration）、上下文管理提取（CM extraction）、状态蒸馏（state distillation）。这套机制把意图追踪能力内化到模型行为中，让模型在训练中自己学会什么时候该丢弃旧信息、什么时候该保持。

实验覆盖了 DynamicIntent 自建集、BFCL-V3 和 τ²-Bench。结果是 IACM-RL 在减少无限循环和过期上下文错误上显著优于基线，同时在 OOD 泛化上也有提升。

论文目前只有 arXiv 版本，代码和数据集还没有看到公开放出来。实验对比的基线主要是基于纯 prompt 方法和一些简单 RL 微调方案，没有看到跟近期比较强的 Agent 框架（比如用显式规划器或验证器的方案）做直接对比。另外，13 种意图波动场景覆盖面确实可以了，但真实业务中有些变化是跨会话甚至跨工具的，论文目前的评测还集中在单个会话内的意图变化。

不过这篇工作的方向我很认可。现在 Agent 框架越来越复杂，大家都在堆规划器、记忆模块和反射机制，但一个基础问题一直没被好好回答：当用户中途真改了主意，模型怎么知道自己该忘掉什么？

大部分实践者的解法是靠更长的 context window 硬扛，或者靠人工拆任务节点。IACM-RL 给出了一个更结构化的路线——让 Agent 内部长出一个意图版本的「垃圾回收机制」，主动标记并隔离失效上下文。

在搭生产级 Agent 时碰到过意图漂移引发的连环 API 报错，这篇值得跟一下。看后续会不会开源 DynamicIntent 的数据集和 BeliefState Manager 的实现，这些东西对实际调优的帮助，可能比又一个大一统框架来得更直接。