arXiv cs.AI· Tianqiang Yan, Lizhen Qu·· 11 小时前AI 评分31
面向大语言模型驱动智能体的行为分析框架
Behaviour analysis for large language model-driven agents
AI 导读
研究者提出一个通用框架，将数据驱动的行为发现与统计分析和实验验证连接起来，用于理解语言智能体的行为如何沿轨迹组织并与上下文和结果关联。框架通过记录活动定义测量类别，保留行为在过程中的位置并将关系表达为可解释假设，再在留出上下文中检验证据强度与范围，并通过提示词引导等实验测试行为与结果的变化。迭代自我反思研究展示了发现、依赖学习与提示词比较如何相互印证。
正文 · AI 翻译
摘要：理解语言智能体的行为，需要学习动作在一条轨迹中如何被组织，以及这种组织如何与上下文和结果相关联。我们提出了一个通用框架，将数据驱动的行为发现与分析及实验研究联系起来。由记录活动所归纳出的类别界定了测量对象。分析保留了行为在过程中的位置，并将其关系表达为可解释的假设。统计评估与在留出上下文中的检验考察证据的强度与范围。随后，实验（包括提示引导）检验在刻意变化的条件下行为与结果如何改变。一项关于迭代自我反思的研究说明了发现、依赖关系学习与提示比较如何相互启发。我们针对长度、事件顺序和智能体角色各异的轨迹发展了这一方法，并指出了支持其更广泛应用所需的编码、分析与实验方面的进展。
| 评论： | 正在接受 Nature Machine Intelligence 审稿 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.32087 [cs.AI] |
| （或 arXiv:2610.32087v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32087 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tianqiang Yan [查看邮箱]
[v1]
2026年10月23日星期五 02:48:45 UTC（464 KB）
来源：arXiv cs.AI · arxiv.org