Mario Giulianelli

新框架使用行为和内部状态评估LLM代理的目标导向性

研究人员开发了一个新的框架来评估语言模型代理的目标导向性，结合了行为分析和可解释性技术。他们的研究重点是一个在网格世界中导航的LLM代理，在各种条件下评估其相对于最优策略的表现。研究结果表明，该代理的内部表征编码了空间信息和行动计划，随着推理的进行，这些表征从一般的空间线索转变为具体的行动选择。这项工作表明，理解代理的目标需要外部行为观察和内部表征分析。