研究评估LLM智能体探究学习能力，发现结构化引导可提升表现
论文AI 评分 68/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇被EMNLP 2026 Findings接收的论文提出统一交互式框架，评估大语言模型在完整科学探究循环中的表现。研究将Countdown任务扩展为数学环境，让智能体通过操纵变量、收集观察来推断变量关系，从而分析探索策略、因果发现与假设修正。在七个大语言模型和多种提示策略下，实验显示模型固有探究能力有限，发现底层表达式的成功率偏低；但受人类教育支架启发的结构化引导能显著改善表现。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载统一交互式评估框架
论文关注科学探究中的迭代循环：探索、生成假设、对观察进行推理，进而发现复杂系统中的关系。此前工作多把归纳推理、假设生成和数据分析等能力分开评估，难以反映模型在完整探究周期中的整合表现。为此，作者构建了一个统一且可交互的评估框架，把探究过程放在同一环境中考察，使探索策略、因果发现与假设修正都能被观察和分析。
Countdown任务扩展为数学环境
研究把Countdown任务扩展成一个数学环境。智能体在其中通过操纵变量来探测系统，收集观察结果，并推断变量之间的关系。这种设置让模型必须主动设计探测动作，而不是被动回答静态问题，因此能够考察模型在探索过程中如何选择变量、如何根据反馈调整方向，以及如何从观察中归纳出底层表达式。
七模型实验与引导效果
实验覆盖七个大语言模型和多种提示策略。结果显示，模型固有的探究能力有限，成功发现底层表达式的比例偏低，说明在策略性探索和迭代假设修正方面仍存在明显不足。不过，当引入受人类教育支架启发的结构化引导后，模型表现显著改善。作者据此指出，为人类学习者设计的简单引导策略，也能支持模型形成更有效的探究行为。
为什么值得看
揭示LLM在策略性探索与迭代假设修正上的短板，并给出可借鉴的引导思路。
智能体论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。