让 Agent 真正协同作战：GoS 为多智能体推理构建共享信念状态

近年来，大语言模型在数学、代码等任务上的表现不断刷新上限，但到了医疗诊断、故障排查这类真实世界任务里，真正困难的是让多个智能体在不确定的动态环境中持续协作推理。

以医疗诊断为例，主治医生不可能一开始就让病人把所有检查都做一遍，而是要根据当前诊断方向，动态安排影像科、检验科等不同科室逐步开展检查、持续补充证据，并在过程中不断修正判断。

相比之下，现有多智能体推理方法虽然看起来做了分工，但常常要么停留在简单串联多个智能体的层面，只是把前一个智能体的输出交给下一个继续处理；要么默认所有证据都已经提前备好，缺乏真正的自主调查和动态决策能力。

论文指出，也正因如此，现有 CoT、ToT、GoT、FoT 等推理框架在迁移到医疗诊断、分布式系统故障排查等场景时，往往会进一步暴露出四类失败模式：证据伪造、上下文漂移、回溯失败和过早停止。

图 1: 传统推理框架在溯因任务中的四类典型问题

这些失败并不是偶然现象，而是来自两个结构性缺陷：

1. 很多现有方法把假设、证据和推理进展混在非结构化自然语言上下文里，缺乏显式状态表示；
2. 缺少状态控制机制，使得智能体是否选择回溯、下钻、终止，几乎都只能靠自由发挥。

因此，在长程推理过程中，智能体往往难以稳定维护推理状态，容易偏离正确方向，或过早停留在表层结论。

南开大学研究团队和联想合作提出了Graph of States（GoS），一个面向通用溯因推理任务的神经符号框架，其核心目标是为溯因任务显式构建一个可维护、可回退、可收敛的推理状态空间，把原本隐式、松散的推理过程，转化为受约束的有向搜索。该工作已被 ICML 2026 正式接收。

• 论文标题： Graph of States: Solving Abductive Tasks with Large Language Models
• 论文链接：https://arxiv.org/pdf/2603.21250
• 代码地址： https://github.com/gaorch85/Graph-of-States

目前，xCloud 联想智能云正加速将 GoS 技术融入其智能运维产品体系，助力企业构建零故障、自愈合、业务感知的智能运维体系。

01 GoS：给推理加上 “显式信念状态”

GoS 的核心思想，是把多智能体协作与显式信念状态建模结合起来。整个系统分为两层：上层是认知层，负责具体领域内的多智能体协作；下层是符号层，负责维护结构化推理状态，并对过程进行导航和约束。

在认知层中，GoS 不再采用零散的功能原子，而是让中心智能体和专家智能体分别对应现实世界中的专业角色。比如在医疗场景中，可以对应主治医生、影像科医生、病理科医生；在分布式系统场景中，则对应应用运维、Linux 运维、网络运维和数据库运维。这样做的目的，是让推理流程更贴近真实世界中的协作分工，也更便于人理解和审查其推理过程。

图 2: GoS 总体框架：双层神经符号架构与整体推理流程

GoS 最关键的部分是符号层。它不再把调查过程隐藏在非结构化历史对话里，而是显式维护一个由因果图和状态机组成的信念状态。前者记录症状、证据、假设及其支持、反驳和细化关系；后者控制当前推理层级，决定系统是继续搜集证据、向更细粒度下钻，还是在出现冲突证据时回退到更早层重新判断。

与此同时，GoS 还引入了一个很关键的机制：推理焦点（reasoning focus）。系统在每一步都不会平均地看待所有可能方向，而是聚焦当前层级中置信度最高的假设，把调查预算和推理资源集中到最值得追踪的分支上。这样做有利于把原本容易发散的探索，变成更像 “有导航的调查”。

02 双层闭环：从推理焦点到证据更新

GoS 的推理过程不是简单的‘先计划、再执行’，而是一个持续循环的双向闭环。首先，符号层会根据当前信念状态找到推理焦点，并将其转化为对认知层的调查指令；随后，认知层调用工具、获取证据并完成分析，再将结果返回给符号层，用于更新因果图、重新校准假设置信度，并触发下一轮状态转换。

这一闭环使多智能体协作不再是无约束的自由发挥，而是始终围绕当前最有价值的假设前进；新获得的证据也不再只是停留在文本里，而会成为后续推理的依据。

图 3: 双向神经 - 符号交互：从推理焦点引导调查，到新证据反向更新信念状态

03 关键机制：该回溯时回溯，该下钻时下钻

对于溯因任务来说，真正困难的往往不是 “生成一个答案”，而是在推理过程中根据证据变化，按规则决定状态转移。为此，GoS 设计了两类核心状态转换机制：Backtracking和Drill-Down。

不同于把这些决策完全交给智能体自由发挥，GoS 为状态演化引入了清晰的转移规则。具体来说，当当前推理路径上的某个上层祖先假设在置信度重估后不再是该层最优候选时，系统会回退到对应层级并剪除建立在错误前提上的后续分支；而下钻也不是 “觉得差不多了就继续往下想”，而是只有当当前最优假设同时满足足够的置信度优势和足够的支持证据数量时，系统才会进一步细化到更具体的子假设。正是这种带有明确约束的状态控制，使 GoS 在面对非单调、动态演化的信息时，不再只是生成连贯文本，而是能够以更稳定、更可控的方式逐步逼近真正可执行的根因。

图 4: 状态转换：回溯（Backtracking）与下钻（Drill-Down）

04 实验：在两个高风险真实场景中验证 GoS

为了验证 GoS 的有效性和通用性，论文选择了两个非常具有现实意义的溯因场景：医疗诊断和分布式系统故障诊断。在医疗诊断任务中，作者基于 DiagnosisArena 基准做了一个关键改造：不再一开始就提供完整辅助检查结果，而是只给病人主诉和基础体格检查，让智能体像真实医生一样主动申请检查、逐步获取外部信息，再完成诊断，从而恢复 “主动取证、动态推理” 的溯因本质。在这一任务上，GoS 在 Human-as-a-Judge 评估下取得了39.86% 的 Match和78.99% 的 Relevant，明显优于所有基线方法，并在更低成本下实现了更好的结果。

在分布式系统故障诊断任务中，论文基于真实生产环境构建了 150 个 incident，要求智能体从初始告警出发，主动查询日志、指标和 shell 输出，逐步恢复故障上下文并定位 root cause。实验结果显示，GoS 取得了70.67% 的 Match和88.00% 的 Relevant，其中 Match 比最强基线高出36.67 个百分点。这说明，很多方法虽然能判断 “问题大概在哪个方向”，因此 Relevant 并不低，但要进一步收敛到真正可执行的细粒度根因，仍然需要持续调查、状态控制和层级下钻，而这正是 GoS 的优势。

表 1: 医疗诊断结果：GoS 在 Match 与 Relevant 上均优于所有基线

表 2: 分布式系统故障诊断结果：GoS 显著提升细粒度根因定位能力

作者还进一步进行了较为全面的消融实验与参数敏感性分析。结果表明，GoS 的性能提升并非来自某个偶然技巧，而是确实依赖于推理焦点、因果图和状态机等关键模块的协同作用；同时，随着神经符号交互轮数、检索预算以及状态转移阈值的变化，GoS 也表现出清晰且可解释的性能趋势，说明该框架不仅有效，而且具备较好的稳定性与可控性。

表 3: 消融实验：显式因果图、状态机与推理焦点缺一不可

图 5: 敏感性分析：GoS 在不同预算和阈值配置下的性能变化

05 意义：从垂直场景方法走向通用推理框架

从更大的角度看，GoS 的意义不只是把医疗和 AIOps 两个任务做得更好，而是向前推进了一个更根本的问题：对于真实世界中的高风险任务，智能体需要的并不只是更多知识、更多工具、更多上下文，还需要能在不完整信息下显式维护信念状态，处理冲突证据，在必要时回溯，在合适时下钻，最终把搜索过程稳定地导向真实根因。从这个角度看，GoS 所面向的其实也是当前智能体研究中非常关键的一类问题，即long-horizon reasoning与multi-turn interaction：智能体不只是回答一次，而是要在持续调查和多轮交互中保持状态一致，并逐步收敛。

论文也指出，GoS 并不排斥已有的领域特化方法，反而与它们互补。无论是医疗中的高质量知识库和 RAG，还是 AIOps 中的多模态预处理和 SOP 检索，都可以与 GoS 结合，提升其在垂直场景中的搜索效率和决策可靠性。换句话说，GoS 提供的不是某一个专用智能体，而是一套面向溯因推理、也面向智能体长程推理的通用推理骨架。

作者简介

本文第一作者为罗宇，南开大学智能运维课题组博士一年级，主要研究方向为智能体长程推理、自进化智能体和根因分析。本文通讯作者为南开大学软件学院副教授、博士生导师孙永谦。他长期深耕智能运维（AIOps）领域，聚焦云原生、数据中心、超算、智算等领域的故障机理研究，同时致力于多智能体协作与大模型推理优化等前沿方向，持续推动面向复杂系统的智能决策研究。