ScaledThought提出后果模型以解决智能体长流程可靠性难题

2026年10月12日，ScaledThought提出在智能体技术栈中引入“后果模型”，旨在解决智能体长链路任务的可靠性难题。文章指出，当前大语言模型在长链路任务中受限于复合错误率，且缺乏因果干预训练。后果模型通过在动作执行前预测成功概率与潜在失败原因，来阻止错误在流程中累积。该模型只读取输入并返回良好校准的概率及简短失败标签，可直接利用CI日志、命令行等天然结果数据进行训练，适用于高危操作门控以及按完成结果计费等应用场景。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。