先别让Agent动手：IBM在工具调用前加了一道门

IBM发了一篇关于Agent决策门的论文。做法不复杂：在Agent和工具之间加一道运行时检查，模型和工具都不改。

这套东西叫JevAct。它先让LLM把领域策略转成可执行的代码检查和是/否问题。每次选中的工具调用真正执行前，代码检查工具记录里的事实，Jev类判定模型回答对话上下文相关的问题。判定模型只做预填充，输出概率判断，不生成句子。调用没过检查，就带着反馈退回Agent，让它在有限范围内改。

结果里最扎眼的是τ²-bench Telecom。Opus 4.6三次运行的成功率从39.5%升到80.7%。Telecom场景下八个Agent三次运行成功率平均提升16.9个点。BFCL上九个Agent三次运行成功率都有提升，至少一次成功的结果则 mixed。Airline的变化小，且因Agent而异。论文的意思是，增益来自harness。

评论区有人问，策略转成代码后，谁来检查这段代码。也有人问每次工具调用都过门，延迟增加多少，素材没给数字。还有网友判断，Airline提升有限、Telecom提升明显，说明门的效果取决于领域策略能不能干净地编译成检查，Telecom的策略大概更接近规则形状。这个解释合理，但仍是网友判断，不是论文结论。

论文自己也写了限制。Telecom的增益在换用gpt-oss-120b用户模拟器后没有出现。260条标注的开发集写调用里，101条错误调用中有42条没有触发任何编译出的问题。门有盲区，而且盲区来自策略到检查的编译质量。

另一个值得看的视角来自评论区：改一条策略规则，重新生成门，回放同一批工具轨迹，看哪些决策翻转。这样能发现门是不是比策略本身更严格。对做Agent系统的人来说，这比只看一次基准分数更接近工程现场。

论文链接：https://arxiv.org/abs/2610.38620

Chat with Paper：https://academy.dair.ai/papers/think-before-you-act-decision-gate-for-llm-agents-2610.38620