Do Agents Dream of Electric Sheep?: Improving Generalization in Reinforcement Learning through Generative Learning
University of Bologna(博洛尼亚大学);University College London(伦敦大学学院)
受过度拟合大脑假说启发,提出基于生成式增强的想象强化学习方法,在ProcGen稀疏奖励环境中显著提升智能体泛化能力。
2024-03-12 cs.AI cs.LG
Reinforcement Learning for Improving Agent Design
Google Brain(谷歌大脑)
在许多强化学习任务中,目标是学习一种策略来操纵代理,其设计是固定的,以最大化某些累积奖励的概念。代理的物理结构的设计很少针对手头的任务进行优化。在这项工作中,我们探讨了学习的代理的设计,更适合其任务的版本的可能性,与政策。我们对流行的OpenAI Gym框架进行了修改,在该框架中,我们对环境的各个部分进行了参数化,并允许代理共同学习修改这些环境参数及其策略。我们证明了一个代理可以学习一个更好的结构,它的身体,不仅更适合的任务,但也有利于策略学习。政策和结构的联合学习甚至可以揭示对辅助设计应用有用的设计原则。在https://designrl.github.io/上的结果视频
2019-12-02 cs.LG stat.ML
Leveraging weights signals -- Predicting and improving generalizability in reinforcement learning
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);Vrije Universiteit Medical Center Amsterdam(阿姆斯特丹自由大学医学中心)
本文提出通过分析神经网络内部权重信号,改进PPO算法以提升强化学习代理的泛化能力。
2025-11-25 cs.AI cs.LG
Improving Proactive Dialog Agents Using Socially-Aware Reinforcement Learning
Augsburg University(奥格斯堡大学);Ulm University(乌尔姆大学)
本文提出一种结合社会与任务特征的社会感知强化学习方法,用于优化对话代理的主动行为,以提升任务成功率、效率和用户信任,从而改善人机合作。
2023-06-22 cs.AI cs.CL cs.HC
Improving Interactive Reinforcement Agent Planning with Human Demonstration
Ocean University of China(中国海洋大学);Honda Research Institute Japan Co. Ltd.(本田日本研究院有限公司)
TAMER已被证明是一种强大的交互式强化学习方法,允许普通人通过提供评估反馈来教授和个性化自主智能体的行为。然而,一个TAMER代理规划与UCT-一个蒙特卡罗树搜索策略,只能更新沿其路径的状态,并可能导致高的学习成本,特别是对于一个物理机器人。在本文中,我们提出了驱动代理的探索沿着最佳路径,并通过初始化代理的奖励函数,通过反向强化学习示教学习,以减少学习成本。我们测试我们提出的方法在强化学习基准域-网格世界-与不同的折扣人类奖励。研究结果表明,示教学习可以使TAMER智能体在最深搜索时学习到一个大致最优的策略,并鼓励智能体沿着最优路径探索;此外,我们还发现,示教学习可以通过减少总反馈、减少不正确动作的数量和增加获得最优策略的正确动作的比例来提高学习效率,从而让TAMER代理更快地收敛。
2019-04-18 cs.AI cs.HC cs.LG
Evolutionary-Neural Hybrid Agents for Architecture Search
Jagiellonian University(雅盖隆大学);Google AI(谷歌人工智能)
神经结构搜索已经显示出自动设计神经网络的潜力。基于深度强化学习的智能体可以学习复杂的架构模式,并探索广阔的组合搜索空间。另一方面,进化算法提供了更高的样本效率,这对于这样的资源密集型应用是至关重要的。为了捕捉这两个世界的最好的,我们提出了一类进化神经混合代理(Evo-NAS)。我们表明,Evo-NAS代理优于神经和进化代理时,适用于一套文本和图像分类基准架构搜索。在一个高复杂度的架构搜索空间的图像分类,Evo-NAS代理超越了常用的代理实现的准确性,只有1/3的搜索成本。
2020-02-15 cs.LG cs.NE stat.ML
Improving Multimodal Interactive Agents with Reinforcement Learning from Human Feedback
DeepMind(深度思维)
人工智能的一个重要目标是创建能够与人类自然交互并从他们的反馈中学习的代理。在这里,我们演示了如何使用基于人类反馈的强化学习(RLHF)来改进模拟的、具体的代理,这些代理通过模仿学习训练到基本的能力水平。首先,我们收集了人类在模拟的3D世界中与代理交互的数据。然后,我们要求注释者记录他们认为智能体朝着人类指示的目标前进或倒退的时刻。使用这些注释数据,我们利用了一种新的方法-我们称之为“跨时间布拉德利-特里”(IBT)建模-来构建一个捕获人类判断的奖励模型。经过培训以优化IBT奖励模型提供的奖励的代理在我们的所有指标方面都有所改进,包括在与代理的实时交互期间的后续人类判断。总之,我们的研究结果展示了如何成功地利用人类的判断来改善代理行为,使我们能够在没有程序奖励功能的复杂的具体领域中使用强化学习。代理行为的视频可以在https://youtu.be/v_Z9F2_eKk4上找到。
2022-11-21 cs.HC cs.LG cs.MA
Improving Social Welfare While Preserving Autonomy via a Pareto Mediator
University of California, Irvine(加州大学欧文分校);University of California, Berkeley(加州大学伯克利分校)
机器学习算法通常代表具有不同且有时冲突的利益的代理做出决策。在代理人可以选择采取自己的行动或将其行动委托给中央调解人的领域中,一个悬而未决的问题是调解人应如何代表委托代理人采取行动。现有的主要方法使用委托代理惩罚非委托代理,试图让所有代理委托,这往往是昂贵的。我们引入了一个帕累托调解人,其目的是改善结果的委托代理人,而不会使他们中的任何一个更糟。我们在随机范式博弈、餐厅推荐博弈和强化学习序贯社会困境中的实验表明,帕累托中介极大地增加了社会福利。此外,即使帕累托调解人是基于一个不正确的代理效用模型,性能优雅地下降到干预前的水平,由于个人的自主权保留的自愿调解人。
2021-06-07 cs.AI cs.GT cs.LG
Improving Coordination in Small-Scale Multi-Agent Deep Reinforcement Learning through Memory-driven Communication
University of Warwick(华威大学)
深度强化学习算法最近被用于以集中的方式训练多个交互代理,同时保持其执行分散。当智能体只能获得部分观测值并面临需要协调和同步技能的任务时,智能体通信起着至关重要的作用。在这项工作中,我们提出了一个框架,多智能体训练使用深度确定性的策略梯度,使并发,端到端学习的显式通信协议,通过内存设备。在训练过程中,智能体学习执行读写操作,使它们能够推断出世界的共享表示。我们的经验表明,并发学习的通信设备和个人的政策,可以提高代理间的协调和性能在小规模的系统。我们的实验结果表明,所提出的方法在多达六个代理的情况下实现了优异的性能。我们说明了如何不同的通信模式可以出现在六个不同的任务日益复杂。此外,我们还研究了破坏通信通道的影响,提供了随时间变化的记忆内容的可视化,因为底层任务正在解决,并通过消融研究验证了所提出的记忆设备的构建模块。
2019-10-29 cs.AI cs.LG cs.MA
SAC-GLAM: Improving Online RL for LLM agents with Soft Actor-Critic and Hindsight Relabeling
Inria (Flowers)(Inria(Flowers));University of Bordeaux(波尔多大学);Hugging Face;Univ Angers(昂热大学);LERIA;SFR MATHSTIC(MATHSTIC联合研究机构);Sorbonne Université(索邦大学);ISIR
SAC-GLAM通过结合软演员-评论员算法和回顾重标记,改进LLM代理的在线强化学习,提升其在复杂环境中的策略学习能力。
2026-01-29 cs.AI cs.LG
On Improving Model-Free Algorithms for Decentralized Multi-Agent Reinforcement Learning
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California, Los Angeles(加利福尼亚大学洛杉矶分校);DeepMind(深度思维);Massachusetts Institute of Technology(麻省理工学院)
多智能体强化学习(MARL)算法经常遭受指数样本复杂度对智能体数量的依赖,这种现象被称为\emph{the curse of multiagents}。在本文中,我们解决这一挑战,调查样本效率的无模型算法在\emph{decentralized} MARL,并旨在改善现有的算法沿这条线。对于学习(粗)一般和马尔可夫博弈中的相关均衡,我们提出了\emph{stage-based} V-学习算法,大大简化了最近的作品的算法设计和分析,并规避了一个相当复杂的无\emph{weighted}遗憾强盗子程序。针对马尔可夫势博弈中纳什均衡的学习问题,提出了一种独立的策略梯度算法,该算法采用分散的基于动量的方差缩减技术。我们所有的算法都是去中心化的,因为每个代理只能根据其本地信息做出决策。在学习过程中既不需要通信,也不需要集中协调,从而导致对大量代理的自然泛化。我们还提供了数值模拟来证实我们的理论研究结果。
2022-01-29 cs.AI cs.LG cs.MA
ReTerm: Recovery Training for Self-Improving Terminal Agents
Fudan University(复旦大学);The Chinese University of Hong Kong(香港中文大学);Shanghai Jiao Tong University(上海交通大学)
ReTerm是一种自改进终端智能体,通过构建ReTerm-10K数据集和提出ReTerm-GRPO算法实现恢复训练,其ReTerm-9B在Terminal-Bench 2.0上的Pass@1较基础模型提升14.6个百分点。
2026-10-16 cs.AI cs.LG cs.SE
A Roadmap Towards Improving Multi-Agent Reinforcement Learning With Causal Discovery And Inference
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学);Department of Sciences and Method for Engineering(科学与工程方法学院)
本文探索因果推理应用于多智能体强化学习(MARL)的机遇与挑战,通过在多类协作需求的前沿MARL场景与算法中测试简单因果增强的效果,梳理正负结果并提出未来研究方向,为因果RL向多智能体场景迁移提供路线参考。
2025-03-22 cs.AI cs.LG cs.MA
Improving Generalization and Data Efficiency with Diffusion in Offline Multi-agent RL
Institute for Interdisciplinary Information Sciences(交叉信息学院);Tsinghua University(清华大学);Department of Electronic and Computer Engineering(电子与计算机工程系);Hong Kong University of Science and Technology(香港科学与技术大学)
提出扩散离线多智能体模型(DOM2),利用扩散模型增强策略表达力和多样性,结合轨迹数据重加权,在离线MARL中显著提升性能、泛化能力和数据效率。
2026-06-11 cs.AI cs.LG cs.MA
Improving the Generalization of Unseen Crowd Behaviors for Reinforcement Learning based Local Motion Planners
Nanyang Technological University(南洋理工大学);Continental Automotive Singapore(大陆汽车新加坡公司);The Chinese University of Hong Kong(香港中文大学)
本文提出一种通过最大化信息论目标来增强单一策略内智能体多样性的方法,以解决基于强化学习的运动规划器在不可预测行人场景中的过拟合和同质冲突问题,提升了智能体对未见人群行为的适应性和避碰能力。
2024-10-16 cs.AI cs.LG cs.RO
Improving Sample Efficiency and Multi-Agent Communication in RL-based Train Rescheduling
ZHAW Datalab(苏黎世应用科学大学数据实验室);ZHAW School of Engineering(苏黎世应用科学大学工程学院);Swiss Federal Railways(瑞士联邦铁路)
我们提出了我们第六次参加Flatland国际训练重新调度竞赛的初步结果,包括优化强化学习(RL)训练效率的两项改进,以及关于复杂现实世界控制任务的深度RL前景的两个假设:第一,当前最先进的策略梯度方法似乎不适合高后果环境领域;第二,学习明确的通信行为(可以说是一种新兴的机器对机器语言)可能会提供一种补救措施。这些假设需要通过未来的工作来证实。如果得到证实,它们有望优化高效的物流生态系统,如瑞士联邦铁路公司的铁路网络。
2020-04-28 cs.AI cs.LG cs.MA
Flow-DPO: Improving LLM Mathematical Reasoning through Online Multi-Agent Learning
University of California, Los Angeles(加利福尼亚大学洛杉矶分校);Microsoft Research(微软研究院)
针对大语言模型难以生成高质量数学推理轨迹的问题,提出Flow-DPO方法,通过多组件LLM协作的增量Flow构建解题方案,结合带滚动推演的在线DPO学习训练,有效提升了模型数学推理性能。
2024-10-29 cs.CL cs.LG
Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction
Zhejiang Lab(之江实验室);Ant Group(蚂蚁集团)
本文提出多智能体协同框架CooperKGC,通过组建可并行处理实体、关系与事件抽取的协作网络,突破大语言模型在知识图谱构建中的孤立式方法,并在多轮交互中提升知识选择、修正与聚合能力。
2024-11-20 cs.AI cs.CL cs.LG
On the Fragility of Self-Improving Agents: Variance, Task Order, and Underspecification
Salesforce AI Research(Salesforce AI研究院)
本研究通过多轮运行与打乱任务顺序的实验,揭示当前基于记忆的自改进智能体存在脆弱性,发现其性能受方差与任务顺序影响,还指出规格不足是相关诱因,呼吁采用更严格评估方案与人工监督机制。
2026-09-09 cs.AI cs.CL cs.LG
Improving Language Model Prompting in Support of Semi-autonomous Task Learning
IQM Research Institute(IQM研究院)
语言模型(LLM)为需要在性能环境中获得新任务能力的代理提供了潜在的知识来源。我们描述了一种新的代理能力,可以构建线索(或“提示”),导致有用的LLM响应代理学习新任务的努力。重要的是,响应不仅必须是“合理的”(通常用于从LLM中提取知识的研究的措施),而且还特定于代理的任务上下文,并以代理可以解释其母语能力的形式。我们总结了一系列的实证研究的提示策略和评估的目标,有针对性的和可操作的任务学习的反应。我们的研究结果表明,可操作的任务知识,可以从LLM支持在线代理任务学习。
2022-11-19 cs.AI cs.CL cs.LG
SelfSearch: Reward-Free Search for Self-Improving Agents
Graduate School of Data Science, Seoul National University(首尔大学数据科学研究生院)
SelfSearch是一种无奖励搜索方法,利用智能体自我修改的历史记录来改进自身,在多个基准上提升成功率并降低成本,且搜索成本极低。
2026-10-01 cs.AI cs.CL cs.LG
Combee: Scaling Prompt Learning for Self-Improving Language Model Agents
UC Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学);Tensormesh;Gradient Network
Combee通过并行扫描和增强洗牌机制,提升提示学习效率,实现多代理并行训练,同时保持学习质量。
2026-09-28 cs.AI cs.CL cs.LG
Improving Generalization in Game Agents with Data Augmentation in Imitation Learning
Uppsala University(乌普萨拉大学);SEED - Electronic Arts (EA)(艺电(EA)SEED部门)
本文针对模仿学习游戏智能体在未知场景中的泛化难题,提出对观测进行组合式数据增强,并在多个 3D 环境中验证其有效性。
2024-04-07 cs.LG
An Empirical Study on Learning and Improving the Search Objective for Unsupervised Paraphrasing
University of Alberta(阿尔伯塔大学)
近年来,无监督文本生成的研究越来越受到关注。最近的一种方法是局部搜索到一个明确定义的目标,指定语言流畅性,语义含义,和其他特定任务的属性。在句子空间中的搜索是通过词级的编辑操作,包括插入,替换和删除。然而,这样的目标函数是用多个分量手动设计的。虽然之前的工作已经表明,最大化这个目标在真正的成功衡量标准(即BLEU和iBLEU)方面会产生良好的性能,但目标景观被认为是不平滑的,具有显著的噪声,对优化提出了挑战。在这篇论文中,我们通过学习对搜索动力学建模来解决启发式搜索目标中的噪声平滑的研究问题。然后,将学习的模型与原始目标函数相结合,以引导方式进行搜索。实验结果表明,学习的模型与原始搜索目标相结合,确实可以提供一个平滑的效果,提高搜索性能的一个小幅度。
2022-03-23 cs.AI cs.CL cs.LG
Hephaestus: Improving Fundamental Agent Capabilities of Large Language Models through Continual Pre-Training
Georgia Institute of Technology(佐治亚理工学院);Amazon(亚马逊公司)
针对面向智能体的预训练数据稀缺问题,提出首个大规模语料库Hephaestus-Forge(含103B智能体专用数据),通过持续预训练提升LLM智能体的API调用、推理规划等基础能力,在三个基准上优于中小开源LLM且媲美商业LLM。
2025-02-10 cs.AI cs.CL cs.LG
UI-Genie: A Self-Improving Approach for Iteratively Boosting MLLM-based Mobile GUI Agents
CUHK MMLab(香港中文大学MML实验室);vivo AI Lab(vivo人工智能实验室);CPII under InnoHK(创新科技署下的CPII)
本文提出自我改进框架UI-Genie,通过图文交错奖励模型UI-Genie-RM与自我改进流水线,解决GUI智能体轨迹验证与数据规模化难题,在多个基准上达到SOTA。
2025-05-27 cs.CL cs.CV cs.LG
Tree Search for Language Model Agents
Carnegie Mellon University(卡内基梅隆大学)
本文提出一种树搜索算法,用于提升语言模型代理在现实网页任务中的表现,实验显示其在成功率上显著优于基线方法。
2026-02-08 cs.AI cs.CL cs.LG
Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models
Stanford University(斯坦福大学);SambaNova Systems, Inc.(SambaNova Systems公司);UC Berkeley(加州大学伯克利分校)
本文提出ACE框架,通过生成、反思和整理的模块化过程,使情境持续进化,提升语言模型在代理和领域推理中的性能,减少适应延迟和成本。
2026-03-29 cs.AI cs.CL cs.LG
Improving Customer Experience in Call Centers with Intelligent Customer-Agent Pairing
KIOS Research and Innovation Center of Excellence(KIOS卓越研究与创新中心);University of Cyprus(塞浦路斯大学);Cyprus Telecommunications Authority (CYTA)(塞浦路斯电信管理局(CYTA))
本文针对呼叫中心客户体验优化问题,将客户与客服的配对建模为机器学习任务,并在真实电信场景中取得较规则方法约215%的性能提升。
2023-05-25 cs.LG
Boosting Search Engines with Interactive Agents
ETH Zurich(苏黎世联邦理工学院);Google Research(谷歌研究院)
本文介绍了第一个成功的步骤,在设计搜索代理,学习元策略迭代查询细化信息搜索任务。我们的方法使用机器阅读来指导从聚合搜索结果中选择细化术语。然后,代理被赋予简单但有效的搜索操作符,对查询和搜索结果进行细粒度和透明的控制。我们开发了一种生成合成搜索会话的新方法,该方法通过(自)监督学习利用基于transformer的语言模型的功能。我们还提出了一个强化学习代理与动态约束的行动,从头开始学习交互式搜索策略。我们的搜索代理获得检索和答案质量性能与最近的神经方法相当,只使用传统的基于术语的BM 25排名功能和可解释的离散重新排名和过滤操作。
2022-06-07 cs.AI cs.CL cs.IR
Improving spam filtering by combining Naive Bayes with simple k-nearest neighbor searches
在过去的几个月里,使用朴素贝叶斯进行电子邮件分类已经变得非常流行。它们很容易实现,而且非常有效。在本文中,我们要提出的经验结果的电子邮件分类使用朴素贝叶斯和k-最近邻搜索的组合。使用这种技术,我们表明,贝叶斯过滤器的准确性可以稍微提高了大量的功能和显着的少量功能。
2003-11-30 cs.LG
Improving Dialogue Agents by Decomposing One Global Explicit Annotation with Local Implicit Multimodal Feedback
Massachusetts Institute of Technology(麻省理工学院);Carnegie Mellon University(卡内基梅隆大学)
提出GELI方法,利用局部隐式多模态反馈信号跨模态塑造并分解全局显式会话级奖励,学习轮次级奖励模型并应用于RHLF流程,有效提升了基于LLM的对话智能体在各项对话指标上的表现。
2024-04-23 cs.AI cs.CL cs.HC
Mendel Gödel Machine: Recursive Self-Improving Coding Agents via Comparative Evolution
该研究针对现有自改进编码智能体仅利用单轨迹的缺陷,提出孟德尔哥德尔机,新增反应规范突变与跨谱系杂交两种自修改策略,经理论证明与实验验证,其在编码任务上的性能、效率及泛化性均优于基线方法。
2026-08-11 cs.AI cs.LG
MALT: Improving Reasoning with Multi-Agent LLM Training
University of Oxford(牛津大学);Cooperative AI Foundation(合作人工智能基金会);MBZUAI(穆扎夫卡尔人工智能研究所);Stanford University(斯坦福大学)
针对大语言模型单思维链推理的局限性,提出多智能体后训练策略MALT,通过异构智能体流水线和值迭代自动生成训练数据,在多个推理基准上实现显著性能提升。
2025-10-06 cs.AI cs.LG
On The Statistical Limits of Self-Improving Agents
Columbia University(哥伦比亚大学)
研究探讨了自我改进智能体的统计极限,揭示了效用驱动的自我修改可能引发的学习能力下降问题,并提出了容量有界条件下的安全自我改进边界。
2026-08-12 cs.AI cs.LG
Cost Aware Asynchronous Multi-Agent Active Search
Carnegie Mellon University(卡内基梅隆大学)
多智能体主动搜索要求自主智能体选择有效定位目标的感知动作。在现实环境中,代理人还必须考虑他们的决策所产生的成本。以前提出的主动搜索算法简化了问题,忽略了代理的环境中的不确定性,使用近视决策,和/或忽略成本。在本文中,我们引入了一个在线主动搜索算法来检测目标在一个未知的环境中,通过自适应成本意识的决策代理的行动。我们的算法结合了汤普森采样(搜索空间探索和分散的多智能体决策),蒙特卡罗树搜索(长期规划)和帕累托最优置信区间(在未知环境中的多目标优化)的原则,提出了一个在线前瞻计划,删除所有的简化。我们通过仿真分析了算法的性能,证明了算法在代价感知主动搜索中的有效性。
2022-10-05 cs.LG cs.MA cs.RO
Explaining and Improving Information Complementarities in Multi-Agent Decision-making
Northwestern University(西北大学);Microsoft Research(微软研究院)
本文提出了一种新的解释技术ILIV-SHAP,用于改进多智能体决策中的信息互补性,通过人机协作提升决策准确性。
2026-02-03 cs.AI cs.LG
DLLM-Searcher: Adapting Diffusion Large Language Model for Search Agents
Renmin University of China(中国人民大学);Shanghai Jiao Tong University(上海交通大学)
DLLM-Searcher通过优化基于dLLM的搜索代理,解决代理能力不足和延迟挑战,提升推理效率。
2026-02-03 cs.AI cs.LG
Shopping Queries Dataset: A Large-Scale ESCI Benchmark for Improving Product Search
Amazon(亚马逊)
提高搜索结果的质量可以显著增强用户体验和与搜索引擎的互动。尽管最近在机器学习和数据采掘领域中取得了一些进展,但是正确地对特定用户搜索查询的项目进行分类一直是一个长期存在的挑战,这仍然具有很大的改进空间。本文介绍了“购物搜索数据集”,这是一个大型的亚马逊搜索查询和结果数据集,公开发布,旨在促进提高搜索结果质量的研究。该数据集包含大约13万个独特的查询和260万个手动标记的(查询,产品)相关性判断。该数据集是多语言的,可使用英语、日语和西班牙语进行查询。KDDCup'22挑战赛之一正在使用购物体验数据集。在本文中,我们描述了数据集,并提出了三个评估任务以及基线结果:(i)排名的结果列表,(ii)分类产品结果到相关类别,以及(iii)确定替代产品为给定的查询。我们预计,这些数据将成为未来产品搜索研究的黄金标准。
2022-06-14 cs.IR cs.LG
Transfer NAS: Knowledge Transfer between Search Spaces with Transformer Agents
ETH Zurich(苏黎世联邦理工学院);Google Research(谷歌研究院)
神经架构搜索(NAS)的最新进展已经在几个任务上产生了最先进的架构。NAS将人类专家的工作从直接开发新的体系结构转移到设计体系结构搜索空间和有效探索它们的方法。搜索空间定义捕获了关于架构属性的先验知识,并且对于搜索算法的复杂性和性能至关重要。然而,不同的搜索空间定义需要从头开始重新开始学习过程。我们提出了一种新的代理的基础上,Transformer,支持联合训练和有效的转移先验知识之间的多个搜索空间和任务。
2019-06-19 cs.LG stat.ML
SearchArt: Training Long-Horizon Search Agent with Scalable Synthetic and Verified Task
Huawei Cloud(华为云)
针对训练长视野搜索代理的挑战,SearchArt提出通过验证驱动任务合成及多阶段训练管道的框架,构建大规模数据集并验证数据可靠性,经此训练的代理在多基准测试中表现出色,参数少却成绩优异。
2026-08-12 cs.IR cs.LG
Enabling Self-Improving Agents to Learn at Test Time With Human-In-The-Loop Guidance
National University of Singapore(新加坡国立大学);ByteDance Inc.(字节跳动公司)
针对LLM智能体在动态环境中难以适应新知识的问题,提出ARIA框架,通过自我对话识别知识缺口并请求人类指导,在测试时更新知识库,显著提升适应性与准确性,已部署于TikTok Pay服务超1.5亿用户。
2025-10-10 cs.AI cs.LG
Experiential Reflective Learning for Self-Improving LLM Agents
Illuin Technology
本文提出经验反思学习框架,通过反思任务轨迹生成可迁移的启发式方法,提升LLM代理在Gaia2基准上的任务完成可靠性与成功率。
2026-03-31 cs.AI cs.LG
EvoMem: Improving Multi-Agent Planning with Dual-Evolving Memory
University of Illinois Chicago(伊利诺伊大学芝加哥分校);Futurewei Technologies(未来科技)
EvoMem通过双进化记忆机制提升多智能体规划,利用约束记忆和查询反馈记忆模块优化约束跟踪与错误修正,实现旅行、会议和日历任务的性能提升。
2025-12-08 cs.AI cs.LG cs.MA
Improving search relevance of Azure Cognitive Search by Bayesian optimization
Microsoft(微软)
针对Azure Cognitive Search用户特定用例下搜索相关性提升难的问题,提出将搜索相关性问题建模为超参数调优、用贝叶斯优化找最优配置的方法,在真实场景中显著提升了CTA率等指标。
2023-12-13 cs.AI cs.IR cs.LG
Asynchronous Multi Agent Active Search
Carnegie Mellon University(卡内基梅隆大学)
主动搜索是指通过主动做出数据收集决策来有效地在未知环境中定位目标的问题,并且具有许多应用,包括使用空中和/或地面机器人(代理)检测气体泄漏,辐射源或灾难的人类幸存者。现有的主动搜索方法一般只适用于单个智能体,或者如果它们扩展到多智能体,它们需要一个中央控制系统来协调所有智能体的动作。然而,这样的控制系统在机器人应用中通常是不切实际的。在本文中,我们提出了两种不同的主动搜索算法,称为SPATS(稀疏并行异步汤普森采样)和LATSI(LAplace汤普森采样与信息增益),允许多个代理独立地进行数据收集决策,而无需中央协调员。在整个过程中,我们认为目标稀疏地分布在环境中,以符合压缩感知假设及其在现实世界中的适用性。此外,虽然大多数常见的搜索算法假设智能体可以随时感知整个环境(例如压缩感知)或逐点感知(例如贝叶斯优化),但我们做出了一个现实的假设,即每个智能体每次只能感知空间的连续区域。我们提供了仿真结果以及理论分析,以证明我们所提出的算法的有效性。
2020-06-25 cs.LG cs.RO eess.SP
Evolving Strategies for Competitive Multi-Agent Search
University of Texas at Austin(德克萨斯大学奥斯汀分校);Stanford University(斯坦福大学)
本文将人类创造性问题求解形式化为竞争性多智能体搜索(CMAS),利用进化计算在NK模型上演化出比手工及传统树搜索策略更有效的专用与通用策略,并借助球面可视化揭示成功机制,为研究人类创新活动提供新框架。
2023-07-01 cs.AI cs.LG cs.MA
Evaluating and Improving Graph-based Explanation Methods for Multi-Agent Coordination
Georgia Institute of Technology(佐治亚理工学院);College of Computing(计算学院);School of Interactive Computing(交互式计算学院)
本文研究 GNN 解释器在多智能体协调中的适用性,提出注意力熵正则化以增强基于 GAT 策略的可解释性,并在多任务、多团队规模下验证其可提升解释质量且不损害性能。
2025-02-14 cs.AI cs.LG cs.MA