CB-Agent：基于概念的上下文学习用于序列动作选择
原文标题：CB-Agent: Concept-Based In-Context Learning for Sequential Action Selection
重要度 2/5 · 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 CB-Agent，将基于概念的上下文学习扩展到序列动作选择，从专家轨迹中提取环境动作决策并以最大似然拟合概念向量，建模候选动作的条件分布。在 TextWorld、ALFWorld、ScienceWorld 三个基准上，该方法在三种模型规模下均取得最高跨基准平均成绩，并在 TextWorld 与 ScienceWorld 上排名第一。
- 问题
- 交互式智能体复用专家轨迹时，完整轨迹占满提示空间，自然语言摘要又难以落到具体动作。
- 方法
- CB-Agent 从专家轨迹提取环境动作决策，用最大似然拟合概念向量建模候选动作条件分布，评分时不把演示放入上下文。
- 结果
- 在 TextWorld、ALFWorld、ScienceWorld 三种模型规模下取得最高跨基准平均，TextWorld 与 ScienceWorld 均第一。
- 影响
- 把演示压缩成可复用评分规则，降低提示开销，适合长程智能体动作选择。
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。