SynAct：面向 LLM 智能体的协同主动反馈学习
原文标题：SynAct: Synergistic Active Feedback Learning for LLM Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 SynAct 主动学习框架，将专家注意力视为瓶颈，在单个决策层面分配反馈。它通过互信息对决策排序，在最高价值决策处询问专家，并将修正蒸馏为可迁移规则。在四个智能体基准、三个模型家族的 16 个设置中平均提升 11.7 个百分点。
- 问题
- 多步智能体失败时，专家反馈稀缺且不知该问哪里。
- 方法
- SynAct 按动作与最终结果的互信息排序决策，在最高价值决策处问专家并蒸馏为可迁移规则。
- 结果
- 四个智能体基准、三个模型家族共 16 个设置平均提升 11.7 个百分点。
- 影响
- 把专家标注花在关键决策上，降低智能体纠错成本，适合落地部署。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SynAct把专家反馈精确到单个决策，16个设置平均提升11.7个百分点。
- •核心思路：专家注意力稀缺，问题不是要不要问，而是问在哪里能改变结果
- •用互信息对决策排序，在最高价值决策处询问专家，再蒸馏为可迁移规则
- •理论刻画：k次rollout下，结果恒定决策互信息为零，结果区分决策至少H2(m/k)比特
- •覆盖四个智能体基准、三个模型家族共16个设置，平均提升11.7个百分点
- •指出基于成功率的采集在全部rollout失败时会失效
为什么重要：对做LLM智能体训练与对齐的团队有直接价值：把有限人工标注花在真正影响成败的决策上，而非整任务级别反馈。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。