请求专家推理：通过习得的协同干预增强 LLM 智能体

基于大语言模型的智能体在通用推理上表现优异，但在缺乏训练数据的长尾知识领域常告失败。针对人类专家指导非结构化且难以直接整合的问题，本文提出 AHCE 框架，实现按需的人机协作。其核心的人类反馈模块利用学习策略，将人类专家视为交互式推理工具。Minecraft 实验表明，该框架在极少人工干预下，显著提升了普通及高难度任务的成功率，证明了成功增强智能体的关键在于学会如何请求专家推理。