长程任务跑着跑着忘了为什么出发，是智能体工程里最贵的一种失败：不是崩了，是没崩，但方向已经偏了，token 照烧，工具照调，最后交一个认真但答非所问的结果。10 月 15 日提交 arXiv 的 Learning to Steer LLM Agents and Multi-Agent Systems（编号 2610.22316）给这个毛病起了名字——目标漂移（goal drift），并且配了一个专门的工种：掌舵智能体。
论文十位作者，机器学习分区为主，全文 21 页含 6 图，尚未经同行评审。设定不复杂：执行体照常干活（可以是单智能体，也可以是多智能体系统），旁边挂一个不参与执行的掌舵智能体，盯着执行上下文，发现漂移就把系统掰回来。关键设计在干预成本被拆成两档：快路径低成本、判断有界，只回答「现在要不要出手」；慢路径高成本、生成干预内容，只回答「怎么掰回来」。慢路径只在快路径举手之后启动——频繁的判断交给便宜的那档，贵的那档按次付费。
监督这件事，本身也能练
这篇论文的增量不只在架构，更在「掌舵」这件事是被训练出来的，不是写死的规则。两路干预用强化学习联合训练：配对排序目标负责「判得准」——哪些偏离是真的漂移、哪些是必要的临场调整；组相对策略优化负责「掰得回」——干预内容真的能让执行体回到总目标上。规则写得再细也穷不尽执行中的状况，把监督本身变成可学的策略，是这两年「元能力」思潮的又一处落点。
论文报告了三组迁移性：域外任务上有效（训练只做信息寻求搜索，结论能带到没见过的任务类型）；对没见过的执行器有效（监督对象换掉，掌舵策略仍然管用）；干预频率可控——这是个可以拧的旋钮，不用重新训练就能在成本与收益之间取舍。最后一组常被低估：零干预不是最优解，干预本身也是开销，可调才是工程上能用的形态。
放进台谱里看
站点追了一整年的「决策模型」一支（1027 的 TypeSafe Jev、1551 的 Strands Decider）共享同一个直觉：频繁、有界的判断不该占用生成式模型的上下文与 token。区别在替换的位置——那两支换掉路由与审查里的生成式推理，图的是省钱；本篇的掌舵智能体不替执行体干活，管的是「执行方向对不对」，图的是不跑偏。再往上数，1948 的 EvoProbe 做阶段级瓶颈蒸馏，是事后诊断进化；本篇是运行时纠偏。诊断与纠偏，本就是一对。
和 1886 那篇源感知强化学习（治编造率）也构成互补：一个管「别胡说」，一个管「别跑偏」，都是给执行过程加旁路。把这几篇连起来看，智能体工程的关注点正在从「单步能力」移向「全程形状」——单步再准，全程走偏一样归零。
几盆该浇的冷水
验证场景是信息寻求搜索任务，这类任务的「目标」相对可定义；换成多约束、目标本身会演进的真实工作（比如「把这个季度经营分析做出来」），漂移的判定标准会模糊许多。其次，掌舵智能体自己也是一次模型调用，长任务里它的累计成本论文没有折算——省下来的 token 可能有一部分只是换了个人花。再者，「迁移到未见执行器」的边界未定义：换基座模型还算不算同一个执行器，直接影响这条结论的适用范围。十人团队、预印本、未经同行评审，代码情况摘要页未说明。
给跑长程智能体的团队一个自检动作：给任务加一个「中途复述目标」的检查点——让执行体每 N 步用一句话重述总目标与当前动作的关系。复述对不上来的那一刻，就是漂移发生的时刻；这个零成本探针，比任何事后归因都更早出声。