面向定性新颖任务零样本泛化的思考型智能体
人工智能
2025-03-26 v1 神经与进化计算
摘要
智能生物体能够解决在其生命周期或进化过程中从未遇到过的真正新颖的问题。这种能力的一个重要组成部分是“思考”的能力，即在心理上操纵对象、概念和行为，以规划和评估针对新颖问题的可能解决方案，即使没有环境交互也是如此。为了生成真正定性新颖、但仍可通过心理模拟零样本解决的问题，我们利用了环境的组合特性：我们在保留环境元素特定组合的情况下训练智能体。基于该组合的新颖测试任务因此被保证是真正新颖的，同时由于智能体在训练期间已接触过每个独立元素（及其成对交互），该任务在心理上仍是可模拟的。我们提出了一种训练具有世界模型的智能体的方法，通过根据智能体思考前和思考后表现的差异来选择任务，以利用其心理模拟能力。在测试新颖的保留问题时，生成的智能体成功模拟了替代场景，并利用所得信息指导其在真实环境中的行为，在单次真实环境试验（零样本）中解决了新颖任务。
引用
@article{arxiv.2503.19815,
title = {Thinking agents for zero-shot generalization to qualitatively novel tasks},
author = {Thomas Miconi and Kevin McKee and Yicong Zheng and Jed McCaleb},
journal= {arXiv preprint arXiv:2503.19815},
year = {2025}
}