面向 AI 智能体的实时程序化学习机制——基于经验索引的程序记忆 (PRAXIS)
人工智能
2026-04-24 v2 信息检索
摘要
从试错中实时学习如何完成任务是生物智能的典型特征，但大多数基于大语言模型的智能体缺乏部署后获取程序化知识的机制。我们提出了程序记忆（Procedural Recall for Agents with eXperiences Indexed by State，简称 PRAXIS），这是一种轻量级的后训练学习机制，通过联合匹配过去情节的环境状态与内部状态与当前状态来存储和检索动作的结果。PRAXIS 通过检索到的由实时生成的状态-动作-结果示例所增强的智能行为动作选择。在 REAL 网页浏览基准测试中，PRAXIS 在不同的基础模型 Backbone 上均显著提升了任务完成准确率、可靠性和成本效率，并展示了对类似环境中未见任务的初步泛化能力。这些结果表明，PRAXIS 使 AI 智能体能够在快速演化的有状态环境中有效学习新程序，具有实际应用价值。
关键词
引用
@article{arxiv.2511.22074,
title = {Real-Time Procedural Learning From Experience for AI Agents},
author = {Dasheng Bi and Yubin Hu and Mohammed N. Nasir},
journal= {arXiv preprint arXiv:2511.22074},
year = {2026}
}