部分可观测条件下将改写指令与 sLLM 智能体遇到的物体绑定

arXiv:2611.07599v1 公告类型：新论文 摘要：可靠部署 LLM 智能体需要将用户的多样化表达与其所处环境相对应。尽管经强化学习（RL）微调的较小规模大语言模型（sLLM）智能体在具身任务上的表现可媲美通过提示驱动的更大规模 LLM，但它们对指令改写的鲁棒性仍不明确。我们提出 ALFWorld-Para，在受控改写条件下评估这种鲁棒性，发现成功率（SR）下降了 21–52%，主要由物体同义词引起。尽管智能体保留了关于同义词所指对象的知识，但即使观察到了相应物体，也往往无法拿取它们，暴露出指称知识与物体绑定之间的脱节。部分可观测性进一步增加了绑定的难度，因为所指对象可能尚未被观察到，也可能已以不同标签出现过。为应对这一挑战，我们提出 BINDIntent，这是一种无需训练的框架，利用语义接近程度以及相对于未见候选对象的估计持续性，以概率方式将指称表达与已观察到的标签绑定。无需额外训练或调用 LLM，BINDIntent 即可将经 RL 微调的 sLLM 在同义词改写条件下的成功率提高 17.5–49.1 个百分点，而每步仅增加 0.4 毫秒的 CPU 开销。它还将 GiGPO-7B 的总体成功率从 61.8% 提升至 77.4%，超越了一个通过提示驱动的 24B LLM。代码和基准测试可在 https://github.com/cau-hai-lab/ALFWorld-Para 获取。