交互式文本环境下基于正向经验反思的智能体
计算与语言
2024-11-05 v1 人工智能
机器学习
摘要
为交互式环境设计的智能体面临显著挑战，这一领域要求复杂推理与适应性。虽然基于大语言模型（LLM）的自反思智能体展现前景，但在初始成功后表现下降，且在较小规模的LLM上效果更差。我们引入Sweet&Sour方法，通过融合正向经验与受控记忆，丰富决策时可供智能体利用的上下文。我们的全面分析覆盖了开放源码与闭放源码LLM，证明Sweet&Sour在提升智能体性能方面有效，尤其在现有方法受限的场景中表现突出。
引用
@article{arxiv.2411.02223,
title = {Positive Experience Reflection for Agents in Interactive Text Environments},
author = {Philip Lippmann and Matthijs T. J. Spaan and Jie Yang},
journal= {arXiv preprint arXiv:2411.02223},
year = {2024}
}
备注
To appear at NeurIPS 2024 Language Gamification workshop