ExpWeaver：LLM 智能体通过隐式检索增强生成从经验中学习

现有经验学习方法受限于显式文本空间，导致令牌开销大且检索与生成架构分离。本文提出 ExpWeaver 框架，利用 LLM 隐藏状态编码经验，在解码步骤中直接在隐空间检索相关经验，并通过交叉注意力聚合与门控残差机制进行整合。该流程支持端到端强化学习优化。在 13 项多样化任务上的评估表明，ExpWeaver 在 12 项任务中达到最先进水平，显著优于最强基线；同时保持与非检索基线相当的令牌效率，并展现出卓越的跨领域泛化能力。