论文
拨开迷雾：为LLM智能体植入并精炼主动探索能力
Clearing the Fog: Towards Installing and Refining Proactive Exploration Capabilities in LLM Agents
摘要
我们研究LLM智能体的主动探索，即为改善未来决策而探索环境以获取信息的能力。为此，我们首先识别出阻碍这一能力的两个根本瓶颈，随后提出一种旨在注入并精炼主动探索能力的新方法。具体而言，该方法由两个组件构成：（1）探索性数据构建，通过合成富含探索的轨迹来缓解标准示范固有的后见之明偏差；（2）带对比信号引导的强化学习优化，利用对比轨迹对来区分有成效的探索与冗余游荡。大量实验证明了该方法的有效性，并提供了对主动探索特性的洞见。我们的代码发布于：https://github.com/GuanZhizhao/SAFARI。
