本文提出了一种用于智能信息检索代理的迭代提示优化框架——对比反思。该方法基于任务质量定义，利用问答代理和评分代理提供的结构化线索识别错误行为片段，结合成功示例，指导教师大型语言模型提出针对性的提示修改。仅当验证性能提升时接收修改，并可避免回退。在HotpotQA数据集上，该方法将准确率从51.4%提升至60.4%，优于仅使用失败示例或随机证据的方法。
这条 研究论文 信号说明，来自 arXiv cs.AI 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.AI 发布了这条关于 研究论文 的更新：本文提出了一种用于智能信息检索代理的迭代提示优化框架——对比反思。该方法基于任务质量定义，利用问答代理和评分代理提供的结构化线索识别错误行为片段，结合成功示例，指导教师大型语言模型提出针对性的提示修改。仅当验证性能提升时接收修改，并可避免回退。在HotpotQA数据集上，该方法将准确率从51.4%提升至60.4%，优于仅使用失败示例或随机证据的方法。
该工作创新性地结合了结构化行为线索和对比成功示例引导提示优化，提出了可解释且验证驱动的提示修复循环，提升了提示工程的实用性和效果，尤其适用于复杂信息检索代理的性能改进。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
本文研究了自然语言反馈在多轮语言代理设置中如何带来超过仅重复尝试的改进。通过在多个任务集和模型中引入受控的师生协议，比较外部反馈、自我反馈和无指导自我优化，结果表明多轮改进通常并不能证明有效反馈的作用。自生成反馈较无指导自我优化改进有限，而最强的外部教师带来显著反馈特定提升，说明有用反馈需提供超越简单重试的引导。学生使用反馈的能力比教师身份更决定交互收益，但教师选择对于固定学生仍很重要。研究建议评价基于反馈的代理时应与重复尝试基线对比，反馈的可用性不如反馈的可操作性关键。我们公开了受控的师生评估框架。
人工智能正越来越多地应用于法律领域，提升司法可及性。本文探讨了基于大型语言模型（LLMs）的多智能体商议方法在法律推理任务中的应用。我们提出两种受法庭程序和法律辩论启发的新型多智能体框架。实验表明，多智能体框架在法律和非法律基准测试中整体表现与单一大型模型相当，但产生了显著不同的答案，且在解决某些案例时表现优于基线模型。质性评估显示，多智能体方法更适合需要多角度批判性思维的问题。该研究表明，多智能体系统是法律AI领域的有前景方向。
本文扩展了摩擦策略优化（FPO）方法，将其应用于感知不对称场景，即对话参与者持有非对称的部分信息，导致相同的指代表达在不同信息状态下产生不同的指称。通过跨语料库分析及大语言模型的探测，主要使用HCRC MapTask数据集，验证了FPO的摩擦功能性在各参与者信息范围内的有效性，同时指出少数模糊配置引发大量误解。LLM探测显示，正确视角比全知立场更关键。作者还提出了针对注释的两项改进建议。