大型语言模型智能体的经验规则与策略联合学习

针对多步交互环境中大型语言模型智能体难以有效利用累积经验的问题，本文提出了经验规则与策略联合学习框架（JERP）。该方法从相同的交互轨迹中同时更新长期经验规则库和内部策略。在决策时，检索相关规则并结合历史上下文指导智能体；在每个回合后，利用轨迹数据优化策略并通过对比成功参考轨迹修正规则库。这种耦合机制确保了规则库与 evolving 策略的一致性，使稳定行为逐渐内化至模型中。在 AlfWorld 和 WebShop 上的实验表明，JERP 显著提升了复杂交互任务的决策性能。