PolicyBank：让 LLM 智能体演进政策理解

研究者提出 PolicyBank，一种维护结构化工具级政策洞察、通过交互和预部署测试的纠正反馈迭代修正的记忆机制，让 LLM 智能体自主修正政策解释，在政策缺口场景下最多弥合与人类 oracle 差距的 82%。论文指出，组织政策以自然语言规定授权约束，不可避免地存在歧义和逻辑或语义缺口，使智能体行为系统性偏离真实要求；现有记忆机制把政策当作不可更改的基准，会强化“合规但错误”的行为。作者还扩展了一个常用工具调用基准，构建带受控政策缺口的测试集以分离对齐失败与执行失败，现有记忆机制在该场景成功率接近零。