TwinCheck：基於證據的負向雙胞胎驗證機制，提升 Stateful Tool Agents 可靠性

研究團隊 Jiaxuan Dai 與 Tianyi Huang 於 2026 年 9 月 22 日提交至 arXiv 的論文指出，單一在本地看似合理的工具呼叫可能導致原本成功的 Agent 軌跡崩潰。TwinCheck 是一種推理時期的驗證策略，其核心在於僅當追蹤軌跡滿足與局部失敗假設相關的證據條件時，才考慮進行替換。該方法構建了基於軌跡的反事實替代方案，稱為「負向雙胞胎」（negative twin），並僅在該雙胞胎通過結構檢查且成對驗證器在兩種候選順序中均偏好它時，才替換 Agent 的提案。

在評估方法上，研究採用精確重播（exact replay）技術，將 Agent 的解析回應與動作固定，直到第一次被接受的替換發生，以此將干預效果與重新採樣效應分離。在包含 159 個具有完整精確重播配對的多輪 BFCL V4 任務的主要分析中，完整的 TwinCheck 策略將 GPT-5.6 Sol 的任務成功率從 45.3% 提升至 58.5%（95% 任務引導置信區間為 [8.2, 18.8]），且未觀察到從成功轉為失敗的倒退現象。