SynWorld：用于智能体动作知识精炼的虚拟场景合成
计算与语言
2025-06-03 v3 人工智能
计算机视觉与模式识别
机器学习
多智能体系统
摘要
在智能体与其环境的交互中，智能体通过规划和执行动作来扩展其能力。然而，基于 LLM 的智能体在部署于新环境或需要在非常规动作空间中导航时面临重大挑战。为了使智能体能够自主探索环境、优化工作流并增强其对动作的理解，我们提出了 SynWorld，这是一个允许智能体在动作空间内合成具有多步动作调用的可能场景，并执行蒙特卡洛树搜索（MCTS）探索以有效精炼其在当前环境中动作知识的框架。我们的实验表明，SynWorld 是一种在新环境中学习动作知识的有效且通用的方法。代码可在 https://github.com/zjunlp/SynWorld 获取。
引用
@article{arxiv.2504.03561,
title = {SynWorld: Virtual Scenario Synthesis for Agentic Action Knowledge Refinement},
author = {Runnan Fang and Xiaobin Wang and Yuan Liang and Shuofei Qiao and Jialong Wu and Zekun Xi and Ningyu Zhang and Yong Jiang and Pengjun Xie and Fei Huang and Huajun Chen},
journal= {arXiv preprint arXiv:2504.03561},
year = {2025}
}
备注
ACL 2025