南开大学等提出PoS方法，解决智能体Belief Trapping问题

论文展示的 ALFWorld 加热杯子任务里，智能体先把杯子放进微波炉，再放进柜子，随后陷入反复查看柜子的循环。这个无效行为重复了 36 次，直到耗尽行动预算，任务仍未完成——漏掉的恰恰是“加热”这一步。使用完整交互历史的 Raw Trajectory 基线用完 50 步仍然失败，而 PoS 在 17 步内完成了同一任务。

这个案例的价值不在于杯子本身，而在于它把一类失败模式摆到了台面上：智能体仍在调用工具、接收观察、生成下一步计划，看起来始终在工作，但关键要求始终没有被推进。研究团队把这种现象明确为 Belief Trapping（信念受困）：智能体持续与环境交互，但与目标相关的信念演化已无法带来有意义的任务进展。它既可能表现为原地重复，也可能是在几个状态间循环，或不断探索却没有触及真正未解决的问题。

需要区分的是：动作重复本身并不等于受困。相同工具的多次调用可能在收集不同证据；反过来，每一步都换工具，也可能一直绕开关键问题。这正是 PoS 想要处理的判定难点。

PoS 的第一段是维护显式信念状态，记录当前世界与未解决要求。它用实体、状态和关系组织与任务相关的世界：杯子、微波炉和柜子是实体，杯子是否热、微波炉是否关闭是状态，杯子位于哪里、由谁拿着则通过关系表达。这份表示只保留会影响行动、结果判断和目标完成的信息。

第二段是把“还差什么”显式化。PoS 把未解决要求分为两类：信息缺口（Epistemic Gap）指还需要弄清楚的事，达成缺口（Achievement Gap）指还需要通过行动改变的事。面对多个未解决要求，PoS 会选定一个当前优先处理的 Active Gap，智能体仍能看到完整任务状态，但行动有了明确焦点。

第三段是 Belief Health 与 Trapping-Aware Recovery。论文设置在积累 8 次经过校验的转移后启动检测，当信念健康度 Hₜ ≤ 0.25 时进入受困诊断。恢复从两个维度展开：行为模式分为 Static、Cycle、Drift 并按此顺序判定；被阻塞缺口类型则比较信息缺口与达成缺口的持续度，选取更顽固的一类。

这里有一个容易被忽略的设计：恢复约束作为额外条件交给原来的智能体，由它继续选择动作，当前 Active Gap 保持不变。每次新转移经过校验后重新计算健康度，高于阈值就释放临时约束，仍然受困则更新诊断与约束。受困检测、约束生成和恢复后的重新评估构成一个持续闭环。