近年来，大语言模型在数学、代码等任务上的表现持续刷新上限，但一旦进入医疗诊断、分布式系统故障排查这类真实世界场景，挑战便截然不同——真正的难点并非单次问答，而是让多个智能体在不确定、动态变化的环境中，像人类团队一样持续协作、逐步推理。 这就像医疗诊断：主治医生不会一开始就让病人做完所有检查，而是根据当前诊断方向，动态安排影像科、检验科等不同科室逐步开展检查，一边收集证据一边修正判断。这是一个边调查边决策的过程，而非一步到位。 相比之下，现有的许多多智能体推理方法，虽然表面上有分工，但往往停留在简单串联的层面——前一个智能体输出什么，后一个就直接接手处理；或者默认所有证据已提前备好，缺乏真正的自主调查和动态决策能力。 论文指出，正因为缺少这些能力，现有的CoT、ToT、GoT、FoT等推理框架，一旦迁移到医疗诊断、分布式系统故障排查这类场景，便会暴露出四类典型的失败模式：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* 这些失败并非偶然，背后有两个结构性缺陷： - 许多方法将假设、证据和推理进展混在非结构化的自然语言上下文里，缺乏显式的状态表示； - 缺少状态控制机制，智能体是否选择回溯、下钻、终止，几乎全凭“自由发挥”。 因此，在长程推理过程中，智能体难以稳定地维护推理状态，容易偏离正确方向，或过早停留在表层结论上，无法找到真正的底层根因。 针对这一问题，南开大学研究团队与联想合作提出了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：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，将原本隐式、松散的推理过程，转变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技术融入自身智能运维产品体系，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，是将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**，负责维护结构化的推理状态，并对推理过程进行导航和约束。 在认知层中，GoS不再使用零散的功能原子，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。例如在医疗场景中，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。这样设计的目的是让推理流程更贴近真实世界的协作分工，也更便于人类理解和审查推理过程。  *图3：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。它不再将调查过程藏在非结构化的历史对话里，而是显式维护一个由**因果图**和**状态机**组成的信念状态。因果图记录症状、证据、假设以及它们之间的支持、反驳和细化关系；状态机则控制当前的推理层级，决定系统是继续搜集证据、向更细粒度下钻，还是在遇到冲突证据时回退到更早的层级重新判断。 与此同时，GoS还引入了一个关键机制：**推理焦点（reasoning focus）**。系统在每一步不会平均看待所有可能方向，而是聚焦当前层级中置信度最高的假设，将调查预算和推理资源集中到最值得追踪的分支上。这相当于给推理过程装了一个“导航仪”，让原本容易发散的探索变成更有目的性的调查。 ## 02 双层闭环：从推理焦点到证据更新 GoS的推理过程并非简单的“先计划、再执行”，而是一个持续循环的双向闭环。 具体流程如下： 1. 符号层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； 2. 认知层调用工具、获取证据并完成分析； 3. 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。 这个闭环让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坚实基础。  *图4：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 对于溯因任务而言，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设计了两类核心的状态转换机制：**Backtracking（回溯）** 和 **Drill-Down（下钻）**。 与那些将决策完全交给智能体“自由发挥”的方法不同，GoS为状态演化引入了清晰的转移规则： - **回溯**：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。简单说，就是“走错了就及时回头，别在错误的方向上越陷越深”。 - **下钻**：并非“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，让GoS在面对非单调、动态演化的信息时，不再只是生成连贯的文本，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5：状态转换：回溯与下钻* ## 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，论文选择了两个极具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的辅助检查结果，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。这样一来，就恢复了“主动取证、动态推理”的溯因本质。 结果相当亮眼：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，并且是在更低的推理成本下实现的。  *表1：医疗诊断结果：GoS在Match与Relevant上均优于所有基线* **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。系统需要从初始告警出发，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。 实验结果更具说服力：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，许多方法虽然能判断“问题大概在哪个方向”（所以Relevant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的核心优势所在。  *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* 作者还做了比较全面的消融实验和参数敏感性分析。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、检索预算和状态转移阈值的变化，GoS表现出清晰且可解释的性能趋势——这说明该框架不仅有效，还具备良好的稳定性和可控性。  *表3：消融实验：显式因果图、状态机与推理焦点缺一不可*  *图6：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 从更大的视角来看，GoS的意义不仅在于将医疗诊断和AIOps两个任务做得更好，更在于向前推进了一个更根本的问题：在真实世界的高风险任务中，智能体需要的并不仅仅是更多的知识、更多的工具、更多的上下文，还需要能在信息不完整的情况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，最终将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——**long-horizon reasoning（长程推理）** 与**multi-turn interaction（多轮交互）**：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。 论文也明确指出，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，从而提升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，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。