arXiv cs.AI· Xuanfa Jin, Xinyu Cui, Zhijian Ma, Xue Yan, Jian Zhao, Haifeng Zhang, Jun Wang·· 13 小时前AI 评分34
EpiAgent：面向 LLM 智能体的认知自博弈框架
EpiAgent: Epistemic Self-Play for LLM Agents
AI 导读
研究者提出 EpiAgent，为 LLM 智能体加入显式可学习的认知层，维护对他人私有信息的信念并结合自身信息形成认知状态用于动作选择。其策略分解为 Epistemic Update 与 Action Planning 两阶段，通过双层优化与 Epistemic Self-Play 算法交替训练，并以内在预测奖励评估信念推断质量。
正文 · AI 翻译
摘要：认知博弈论通过一个主体对他人所持的信念以及这些信念在交互展开过程中如何更新，来解释该主体的策略行为。然而，现代基于 LLM 的主体往往缺乏一种显式机制来学习和更新此类信念，以在不完全信息下指导决策。为弥合这一差距，我们提出 EpiAgent，这是一个为基于 LLM 的主体配备显式、可学习认知层的框架，该认知层维护关于他人私有信息的信念，并将这些信念与主体可用的信息结合为认知状态，用于动作选择。具体而言，主体的策略被分解为两个耦合阶段：认知更新，从交互历史中更新这些信念；动作规划，以更新后的认知状态为条件选择动作。通过将二者的依赖关系表述为双层优化问题，我们引入 Epistemic Self-Play，这是一种通过自博弈交替优化这两个阶段的算法，利用内在预测奖励来评估推断出的信念对后续观测的预测效果。在混合与竞争场景中的实证结果表明，EpiAgent 始终优于基于提示和基于 RL 的基线。进一步分析揭示了专门认知训练的优势、信念推断准确性的提升，以及学习到的信念对动作规划的贡献。这些结果证明了显式、可学习认知层对于有效多主体交互的价值。
| 评论： | 23 页，5 幅图 |
| 主题： | 人工智能 (cs.AI)；计算与语言 (cs.CL)；多主体系统 (cs.MA) |
| 引用为： | arXiv:2610.40227 [cs.AI] |
| （或 arXiv:2610.40227v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40227 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xuanfa Jin [查看邮箱]
[v1]
2026 年 10 月 29 日星期四 15:05:08 UTC（351 KB）
来源：arXiv cs.AI · arxiv.org