标签
本文研究了LLM代理是否可以通过交互推断隐藏的世界模型，发现随着复杂性的增加，它们难以构建稳定的内部模型。
一篇研究论文提出了‘智能体自动机学习’来评估LLM代理是否能通过交互推断隐藏的世界模型，发现性能随着任务复杂度的增加而急剧下降，并且推理模型优于非推理模型，但仍然存在困难。
本教程提供了TTT算法在Python中用于主动自动机学习的完整实现，解释了它如何通过消除冗余的成员查询并结合判别树与二分搜索反例分析来改进L*算法。
本文提出了一种新颖框架，通过整合采样、自动机学习和模型检测，为部分可观察马尔可夫决策过程（POMDPs）合成有限状态控制器。该方法为现有形式化合成工具难以解决的阈值安全问题提供了形式化保证。
本文介绍了 LANTERN，这是一个用于强化学习中多源神经符号迁移的框架，它利用大语言模型生成任务自动机，并结合自适应门控机制来提高样本效率。