LLM智能体多轮RL引入条件状态空间探索

2026年10月20日，Mohammed Haroon Dupty等人在arXiv机器学习领域发表研究，针对LLM智能体在多轮长程环境中动作低效、易陷入重复循环的痛点，正式提出“条件状态空间探索”框架。 该框架受内在好奇心驱动探索启发，通过引入内在奖励机制，明确惩罚观察重复、先验状态记忆的行为。这一设计无需依赖通用信息论度量，即可有效减少冗余动作并促进对状态空间的全面覆盖。 实验结果显示，该方法能显著改善多轮环境下的策略学习效果，有效缓解了无效动作与重复循环问题。该框架在平衡任务完成度与内在信息寻求行为之间找到了新路径，为提升LLM智能体的环境动态理解能力提供了新方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。