**Interlock：从局部正确到任务完成，解决长程智能体依赖难题**

_Interlock: From Local Correctness to Task Completion in Long-Horizon Agents_

> 针对长程智能体在复杂环境中因证据碎片化和依赖关系缺失而导致的“局部正确但任务失败”问题，论文提出了 Interlock 框架。该框架将任务建模为带类型的完成图，通过接地边、耦合超边和实现边构建环境证据、决策与效果间的关联，并编译为可重置的工作空间。通过源覆盖率审查、公共输入审查及智能体作为裁判的验证，该框架能有效筛选出满足所有强制性要求的执行轨迹。实验表明，基于 Qwen3.6 微调的智能体在 AutomationBench、JobBench 等基准测试中，任务通过率与加权得分均有显著提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.19686)