장기적인 언어 에이전트는 행동을 선택할 뿐만 아니라 결정마다 세계 모델을 가지고 이동합니다. 이 모델이 벗어나면, 실패한 행동이 실행되기 전에 나중에 실패할 수 있습니다.
연구에 따르면, 다음 작업 행동을 결정하기 전에 에이전트는 환경에 특정 믿음 영역을 물어보고 답변을 세계 모델에 다시 쓰는 직접적인 수정 메커니즘을 사용할 수 있습니다.
이 방식은 환경 상호 작용을 단순한 작업 진행 수단이 아닌 희소한 보정 자원으로 만듭니다. 연구진은 구조화된 믿음 테이블에 대한 예산 기반 조사 연산자 \method를 소개했습니다.