Belief-Calibrated Optimization

新的信念校准优化方法为大型语言模型代理创建显式世界模型

研究人员开发了一种名为信念校准优化（BCO）的新方法，通过创建显式世界模型来增强大型语言模型（LLM）代理的性能。该世界模型被维护为一个持久的上下文内文档，捕捉代理关于环境如何响应编辑的信念。BCO在包括问答和基于代码的代理在内的各种基准测试中都显示出更高的通过率，优于缺乏这种显式信念表示的标准优化循环。即使在更换底层冻结模型后，该方法的有效性仍然存在，这表明了分层世界模型的价值。