跳到正文
arXiv · AI· Yuyang Zhao, Lizi Liao, Leyang Shen, Xiaoyan Zhao, Yang Zhang, Fuli Feng, Xiangnan He·· 2026-10-08AI 评分37

Knowledge Weaver 提出基于互信息的 LLM 智能体知识积累框架

Learning to Accumulate Knowledge with Mutual Information

AI 导读

Knowledge Weaver 是强化学习框架,训练 LLM 智能体从轨迹中提取可复用知识。 结合 token 级互信息反馈与边际成功奖励,限制冗余重叠,提升知识库效用。 在 ALFWorld 和 WebShop 任务中,平均成功率达 54.0% 和 42.0%,较 GRPO 分别高出 16.9 和 18.7 个百分点。

来源:arXiv · AI · arxiv.org