摘要
基于技能的LLM智能体通常依赖文本信号进行技能路由,忽略了模型内部的表征状态。本文提出Emotion2Skill框架,从残差流中提取27维情绪向量,将其映射为置信度门控摘要以指导在线技能选择。此外,通过分析情绪轨迹中的突变来定位有问题的技能调用,并指导标准操作程序(SOP)的针对性重写,替代了传统的二元反馈。在WebShop和ALFWorld基准测试中,该方法显著提升了成功率,证实了内部情绪信号在协调智能体技能系统中的有效性。
AI 推荐理由
论文核心在于利用内部情绪信号优化Agent的技能选择与进化,直接解决技能路由问题。
研究机构
中国科学技术大学
牛津大学
亚利桑那大学
上海人工智能实验室
论文信息