从智能体踪迹中归纳推理原语

ReAct 风格的 LLM 代理通常会重新发现问题中的相同推理例程，但会将这些例程困在暂时的草稿本中。我们引入了 Reasoning Primitive Induction，这是一种单遍方法，可以挖掘成功的 ReAct 痕迹，对循环推理动作进行聚类，并将最频繁的动作转换为紧凑的类型化伪工具库。每个伪工具都由 LLM 在调用时解释的自然语言文档字符串指定，并且标准 ReAct 循环在测试时组成这些原语。核心结果是，诱导库的性能优于生成其痕迹的代理：在 RuleArena NBA 上提高了 44 个百分点（30 -> 74），在 MuSR 团队分配上提高了 30 个百分点（38 -> 68），在 NatPlan 会议计划上提高了 22 个百分点（7 -> 29）。在涵盖叙述推导、规则应用和约束满足规划的五个可比较的子任务中，单个固定配置在每个子任务上都比零样本思想链有所改进，匹配或超越了专家编写的分解，并以较低的平均推理成本优于 AWM。