LLM Agent如何从经验中不断学习，进化为更智能的智能体？

LLM Agent如何从经验中不断学习，进化为更智能的智能体嗯？

在人工智能领域，LLMAgent的智能化是一个持续的过程。要让LLM Agent变得更加智能，就需要让它们能够从经验中不断学习和进化。

自主学习：LLM Agent的进化之路

也许吧... 自主学习是LLM Agent进化的关键。那么如何实现自主学习呢？这里有三个核心模块：状态模块，指南抽取模块，和指南召回模块。

模块名称	功能简介
状态模块	模型当前所处的状态
指南抽取模块	根据状态生成行为指南
指南召回模块	在推理阶段召回相关的指南

以WebArena数据集为例，状态模块是基于模型的规划链路来模型处于的状态。比如是基于同一个任务的成功和失败的两条行为链路， 定位到两个链路首次出现不同行为的时间节点T，使用" AppAgent：腾讯实验室的自主学习方案 AppAgent是腾讯实验室提出的一种自主学习方案， 行吧... 使用多模态大模型和SOM页面元素分割来识别每一步模型和页面的哪些元素进行交互。

效果上论文对比了多个模型直接进行工具调用推理， 使用前期探索的案例作为上文，和还是需要微调才能获得最高的任务完成率， 嗯，就这么回事儿。 但GPT4这类能力强的模型，只需要ICL就可以达到很好的任务完成率。

自主学习的部分， 论文基于模型的前期自主探索，来了解每款APP的使用，从而提高推理阶段的任务完成率。