当历史未能转化为经验：语言 Agent 的行动校准

英文标题：When History Fails to Become Experience: Action Calibration in Language Agents

论文探讨语言 Agent 如何利用同一任务中的既往尝试和环境反馈，改进后续决策。作者指出，增加交互历史有时反而会降低任务成功率，表明 Agent 未必能稳定地将历史信息转化为可用经验。该研究聚焦“行动校准”（action calibration）问题，对构建能够持续学习、有效利用上下文与反馈的 Agent 具有意义。论文编号为 arXiv:2610.02769v1。

2.1 KB 461 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB