面向主动LLM智能体的通信策略演化

摘要

LLM代理已迅速发展成为自治系统，但用户和代理之间仍然存在持续的信息鸿沟：通信成本高昂，而用户相同的偏好进一步限制了信息交换。为了研究代理应如何跨模式进行通信，本文将通信策略形式化，建立基于文本和 UI 的策略，然后评估跨不同环境、角色和模型组合的通信策略。为主动代理构建信息不对称，我们设置了两个互补的设置：用户代理和计划执行者。实验结果揭示了交互渠道之间的互补优势：基于文本的交互通常可以促进任务绩效，而结构化 UI 可以提高座席的响应质量和角色合规性。受此启发，混合方法结合了这些优点。我们进一步提出了通信策略演进（CPE），这是一种自我演进框架，用于通过采样轨迹和提示词层面演进来完善通信策略。无需修改模型，CPE 仅使用提示词改写即可在多种设置中实现最佳任务成功。我们的研究结果表明，沟通行为是大语言模型智能体的一个关键但尚未得到充分探索的设计维度。

面向主动LLM智能体的通信策略演化：论文配图 — 图 1：我们的沟通政策制定和演变概述。 (a) 完整的任务规范 zz 包含具有不同敏感度成本的信息维度，而智能体仅观察到模糊版本 z~=vague(z)\tilde{z}=\text{vague}(z)。 (b) 我们研究两种设置：用户-代理交互和规划者-执行者交互，其中代理/执行者与模拟器和环境交互。 (c) 我们比较纯文本 MuiM_{\text{ui}}、纯 UI MuiM_{\text{ui}} 和混合通信模式 MhybridM_{\text{hybrid}}，每轮通过 πcomm\pi_{\text{comm}} 选择通道。模拟器记录公开的成本水平和可选的角色匹配奖励。