一个LLM智能体真的能构建它无法看到的环境模型吗？

这项研究让这个问题变得可量化。智能体需要通过成员查询（这个字符串属于目标语言吗？）和等价查询（这是目标自动机吗？）与预言机交互，从而揭示隐藏的确定型有限自动机，并以经典自动机学习算法作为强基线。

诚实的结论是：随着自动机规模增大，性能急剧下降。推理模型比其他模型表现更好，但所有模型的表现都会随规模增大而退化。

这为什么重要？

关于智能体的世界模型的说法通常模棱两可。迫使智能体通过查询主动重建隐藏结构，是一种干净且可控的方式，用于衡量它是在对所处环境建模，还是仅仅在做出反应。

论文：https://arxiv.org/abs/2606.16576

在 DAIR 学院学习构建有效的 AI 智能体：https://academy.dair.ai

LLM 智能体能推断世界模型吗？来自智能体自动机学习的证据

来源：https://arxiv.org/abs/2606.16576 查看 PDF (https://arxiv.org/pdf/2606.16576)

**摘要：**我们提出了智能体自动机学习，以评估具备工具调用能力的 LLM 智能体在多大程度上能够通过交互揭示隐藏环境。在我们的设置中，智能体需要通过 (1) 成员查询（“这个字符串属于目标语言吗？”）和 (2) 等价查询（“这是目标自动机吗？”）与预言机交互，从而揭示隐藏的确定型有限自动机（DFA）。这为我们提供了一个可扩展的测试平台，具备可控的任务复杂度、可量化的交互效率以及强基线（经典自动机学习算法）。在评估最新 LLM 时，我们发现性能随 DFA 规模的增大而急剧下降。推理模型明显强于非推理模型，但轨迹分析揭示了在查询规划、证据整合和假设构建方面反复出现的失败。总体而言，我们的结果表明，当前的 LLM 智能体有时能执行非平凡的交互式发现，但在这项任务上远不如经典算法稳健和高效。

提交历史

来自：Reef Menaged [查看邮件 (https://arxiv.org/show-email/2c4c8fd6/2606.16576)] [v1] 2026年6月15日 星期一 11:23:13 UTC (688 KB)