研究人员开发了Emotion2Skill，一个利用大型语言模型（LLM）内部情感信号来增强基于技能的智能体性能的新颖框架。该方法从LLM的残差流中提取27维情感向量，并将其整合到智能体的决策过程中，用于技能选择和演化。通过分析情感轨迹，Emotion2Skill可以识别和纠正存在问题的技能调用，从而显著提高任务成功率。在WebShop和ALFWorld基准测试中使用Qwen3-8B和Qwen3-14B模型进行测试时，Emotion2Skill展示了相对于现有基线的大幅提升。 AI
影响 这项研究可能通过使AI智能体能够更好地利用其内部状态进行决策，从而带来更强大、更具适应性的AI智能体。
排序理由 该集群包含一篇详细介绍新框架及其在基准测试上实验结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.09248v1 Announce Type: new Abstract: Skill-based LLM agents select reusable procedures from an external library to solve complex tasks, yet their routing decisions rely entirely on text-level signals such as task descriptions, verbal reflections, and experience-derived…
Skill-based LLM agents select reusable procedures from an external library to solve complex tasks, yet their routing decisions rely entirely on text-level signals such as task descriptions, verbal reflections, and experience-derived rules, while the model's own internal represent…