面壁智能ALIGN：自动对齐智能体与环境接口

每个构建LLM智能体的人都在智能体的策略或更困难的环境上投入大量精力。而它们之间的接口却几乎无人关注，而这恰恰往往是智能体真正出问题的地方。

ALFWorld 中的一个典型案例：智能体试图检查 shelf 1，但环境要求必须先执行 go to，于是环境只返回“Nothing happens”，智能体便断定该货架是空的。仅仅改写这条反馈信息，就能让一个 Qwen2.5-7B 智能体的成功率从 13.4% 提升到 31.3%。

来自 @TsinghuaNLP（OpenBMB 成员）的 ALIGN 自动生成对齐的接口来解决这种错配问题。 论文：https://arxiv.org/abs/2505.21055 代码：https://github.com/THUNLP-MT/ALIGN

1️⃣ 问题在于智能体与环境的错配：智能体对某个动作效果的预期与环境真实的转移结果存在偏差，因为隐式规则和描述不充分的观测从未被显式呈现。论文表明这是一个普遍存在的瓶颈，而非智能体推理能力的失败。

2️⃣ ALIGN 用两个模块包装环境。INFERRULES 在任务开始前显式呈现静态规则和约束（前置条件、动作顺序）；WRAPSTEP 拦截每个动作，并用成功/失败条件丰富原始观测信息。它是一个轻量级的 Python 包装器，无需改动智能体逻辑或环境代码。

3️⃣ 接口由分析器（从失败轨迹中诊断错配）和优化器（将接口综合并精炼为 Python 函数）迭代生成。两者都会针对实时环境运行实验验证以对抗模型幻觉；移除该验证会导致准确率大幅下降。

4️⃣ 在具身、网页和工具使用四个基准测试中，ALFWorld 上的成功率提升高达 +45.67%，连续无效动作减少 65%。接口可即插即用地跨智能体架构（ReAct、Self-Consistency、Planning 等）和跨 LLM 主干（Qwen、Llama）迁移，无需重新生成。