摘要
针对现有基于大语言模型的具身智能体在去中心化及部分可观测环境中表现出的伙伴对齐缺失与环境状态不一致问题，本文提出“学习合作法则”（LLawCo）框架。该框架使智能体能反思过往失败，提取如“必要时沟通”等高层行为法则，并通过监督微调将其显式融入思维链中，从而对齐推理与任务需求及伙伴行为。在新增的 PARTNR-Dialog 基准及现有任务上的实验表明，该方法显著提升了合作效率与任务成功率。
AI 推荐理由
论文核心是通过提取合作法则优化多智能体在复杂环境中的协同规划行为，显著提升任务成功率。
研究机构
Work done during an internship at MERL, University of Massachusetts Amherst, USA
Mitsubishi Electric Research Laboratories (MERL), USA
Correspondence to: Anoop Cherian
论文信息