★ 3
信念状态引擎：部分可观测下的LLM规划增强
LLM智能体在部分可观测环境中易出现过早承诺、不确定性坍缩与策略漂移，根源在于其作为历史条件策略缺乏对隐藏状态的显式信念。论文提出信念状态引擎（BSE），在LLM外部维护POMDP潜在状态的贝叶斯后验，每步仅向LLM暴露后验而非原始动作-观测日志，并证明该组合是信念MDP上的可靠马尔可夫策略。在T…
arXiv cs.AI53 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
LLM智能体在部分可观测环境中易出现过早承诺、不确定性坍缩与策略漂移，根源在于其作为历史条件策略缺乏对隐藏状态的显式信念。论文提出信念状态引擎（BSE），在LLM外部维护POMDP潜在状态的贝叶斯后验，每步仅向LLM暴露后验而非原始动作-观测日志，并证明该组合是信念MDP上的可靠马尔可夫策略。在T…
论文提出对每步即时成本在信念分布上施加CVaR，直接针对当前状态的不确定性，而非修改价值函数。该方法保留标准期望累积回报目标，使任何基于期望的POMDP规划器只需改动成本计算即可获得风险敏感性。作者给出策略评估与稀疏采样的有限时间保证，并证明粒子信念MDP代理与原始POMDP之间的有限时间误差界，…