ALFWorld 相关 AI 资讯 · AI 热点

7月8日

09:51

09:51

官方账号arXiv cs.AI@Yanping Chen, Weijie Shi, Wen Yang, Jiajie Xu

SkillReranker通过任务和技能两侧的语义分解，生成子任务描述和执行状态描述，并构建有向无环执行图。该框架利用交叉编码器对每个任务区间的候选技能进行综合评分，选择最合适的技能集。在ALFWorld和ScienceWorld两个基准上的实验表明，SkillReranker有效提升了任务完成率，减少了环境交互步骤和token消耗。

论文 SkillReranker ALFWorld ScienceWorld 任务分解技能检索

推荐理由：这篇论文提出了SkillReranker，在智能体任务中通过任务分解引导技能重排序，比传统方法更准更省token，具体在ALFWorld和ScienceWorld上验证了效果。

7月1日

10:36

10:36

官方账号arXiv cs.AI@Yuanda Xu, Zhengze Zhou, Hejian Sang, Xiaomin Li, Jiaxin Zhang, Xinchen Du, Zhipeng Wang, Alborz Geramifard

论文提出TRIAGE框架，通过将动作段分类为决断性进展、有用探索、无进展基础设施或回归，并分配固定边界奖励，解决了标准GRPO仅依赖最终结果信号的盲点。在ALFWorld、Search-QA和WebShop三个基准上，TRIAGE基于两种策略模型均提升了成功率。消融实验表明，角色类型化（尤其是检测成功轨迹中的回归行为）是性能提升的主要来源，且TRIAGE在ALFWorld和WebShop上分别比GRPO减少了10.4%和14.8%的环境交互轮次。

论文 TRIAGE GRPO ALFWorld WebShop 智能体强化学习

推荐理由：想改进智能体强化学习的信用分配？TRIAGE通过角色类型化标签给不同动作段不同奖励，效果超过GRPO，还能少绕弯路。

6月30日

13:54

13:54

官方账号arXiv cs.AI@Xuan Zhang, Wenxuan Zhang, See-Kiong Ng, Yang Deng

WorldEvolver是一个自进化世界模型框架，在部署时通过记忆模块修正上下文，同时保持下游智能体和模型参数冻结。它包含三个模块：Episodic Memory利用检索模拟实际动作转换，Semantic Memory从预测-观测不匹配中提取启发式规则，Selective Foresight过滤低置信度预测。在ALFWorld和ScienceWorld上评估，WorldEvolver在Word2World上取得最高预测准确率，并在AgentBoard上显著提升下游智能体成功率。实验表明，测试时记忆修正同时增强了预测保真度和规划性能。

论文 WorldEvolver LLM 世界模型智能体规划 ALFWorld

推荐理由：WorldEvolver通过三种记忆模块让智能体的世界模型在测试时自我进化，在ALFWorld和ScienceWorld上预测准确率最高，下游成功率也领先其他方法。

6月25日

09:44

09:44

官方账号arXiv cs.AI@Peng Xu, Sijia Chen, Junzhuo Li, Xuming Hu

论文提出SCPO，一种价值无关的奖励塑造方法，通过对比同组内成功与失败轨迹的中间步骤，为失败步骤恢复正向信用。该方法解决了因轨迹最终结果不同导致语义相似的中间步骤获得相反信用的问题。在ALFWorld基准上，1.5B参数模型达到93.7%±4.1%成功率；在WebShop基准上达到74.8%±2.0%成功率，提升集中在最难的多步任务。

论文 SCPO ALFWorld WebShop 强化学习智能体

推荐理由：这篇论文解决了强化学习给LLM智能体分配奖励时的一个逻辑问题：相同意思的步骤因轨迹成败拿了相反信用。SCPO在ALFWorld和WebShop上跑分挺高，最难的步骤提升明显。

6月23日

12:04

12:04

官方一手arXiv: DeepSeek@Aman Mehta, Anupam Datta

该论文提出replay pairing诊断方法，测量LLM代理中计划信号随上下文步数的衰减。在Llama-3.1-70B上，计划信号在计划后一步骤达到0.453，随后单步动作-观察步骤下降4.1倍。推理模型如DeepSeek-R1-Distill-Llama-70B存在推理痕迹混淆，严格剥离后恢复+153%信号。计划驱逐导致ALFWorld成功率下降34.7个百分点。研究显示代理关键信息依赖上下文存在而非持久化。

论文 Llama-3.1-70B DeepSeek-R1-Distill-Llama-70B ALFWorld 上下文管理推理模型

推荐理由：这篇论文用实验证明LLM代理离了上下文里的计划就抓瞎，不是脑子记住了。对做多步任务代理的人很有启发。