论文页面 - Learning to Explore: 通过探索感知策略优化扩展智能体推理能力

来源：https://huggingface.co/papers/2605.08978

摘要

智能体利用变分推断评估探索性动作，并仅在不确定性较高时进行选择性探索，从而提升在基于文本和基于GUI的基准测试中的表现。

近年来，智能体测试时扩展的最新进展使得模型在确定最终动作前能够收集环境反馈。现有方法的一个关键局限在于，它们通常采用无差异化的探索策略，缺乏根据实际情况自适应判断何时真正需要探索的能力。在本文中，我们提出了一种探索感知的强化学习框架，使大语言模型智能体能够仅在不确定性较高时进行自适应探索。我们的方法通过变分推断引入了一种细粒度奖励函数，该函数通过估计探索性动作对改善未来决策的潜在价值来显式评估这些动作；同时，我们还引入了一种探索感知的分组机制，在优化过程中将探索性动作与任务完成动作分离。通过针对信息缺口，该设计使智能体能够进行选择性探索，并在任务上下文清晰后立即转为执行阶段。实验表明，我们的方法在一系列具有挑战性的基于文本和基于GUI的智能体基准测试中取得了一致的性能提升。代码可在 https://github.com/HansenHua/EAPO-ICML26 获取，模型可在 https://huggingface.co/hansenhua/EAPO-ICML26 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2605.08978)查看 PDF (https://arxiv.org/pdf/2605.08978)GitHub1 (https://github.com/HansenHua/EAPO-ICML26)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.08978)

社区

在您的智能体中获取此论文：

hf papers read 2605\.08978

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 1 个

hansenhua/EAPO-ICML26 图像-文本-到-文本 • 8B • 更新于 1 天前 • 129 (https://huggingface.co/hansenhua/EAPO-ICML26)

引用此论文的数据集 0 个

没有引用此论文的数据集

请在一个数据集的 README.md 中引用 arxiv.org/abs/2605.08978，以使其从此页面链接。

引用此论文的 Spaces 0 个

没有引用此论文的 Space

请在一个 Space 的 README.md 中引用 arxiv.org/abs/2605.08978，以使其从此页面链接。

包含此论文的收藏集 0 个

没有包含此论文的收藏集

请将此论文添加到一个收藏集 (https://huggingface.co/new-collection) 中以使其从此页面链接。