SynWorld: Síntese de Cenários Virtuais para o Refinamento do Conhecimento de Ações Agênticas

SynWorld: Virtual Scenario Synthesis for Agentic Action Knowledge Refinement

April 4, 2025

Autores: Runnan Fang, Xiaobin Wang, Yuan Liang, Shuofei Qiao, Jialong Wu, Zekun Xi, Ningyu Zhang, Yong Jiang, Pengjun Xie, Fei Huang, Huajun Chen

cs.AI

Resumo

Na interação entre agentes e seus ambientes, os agentes expandem suas capacidades por meio do planejamento e execução de ações. No entanto, agentes baseados em LLMs enfrentam desafios substanciais quando implantados em ambientes novos ou quando precisam navegar por espaços de ação não convencionais. Para capacitar os agentes a explorar ambientes de forma autônoma, otimizar fluxos de trabalho e aprimorar sua compreensão das ações, propomos o SynWorld, um framework que permite aos agentes sintetizar cenários possíveis com invocação de ações em múltiplos passos dentro do espaço de ação e realizar exploração por meio de Monte Carlo Tree Search (MCTS) para refinar efetivamente seu conhecimento sobre as ações no ambiente atual. Nossos experimentos demonstram que o SynWorld é uma abordagem eficaz e geral para aprender conhecimento sobre ações em novos ambientes. O código está disponível em https://github.com/zjunlp/SynWorld.

English

In the interaction between agents and their environments, agents expand their capabilities by planning and executing actions. However, LLM-based agents face substantial challenges when deployed in novel environments or required to navigate unconventional action spaces. To empower agents to autonomously explore environments, optimize workflows, and enhance their understanding of actions, we propose SynWorld, a framework that allows agents to synthesize possible scenarios with multi-step action invocation within the action space and perform Monte Carlo Tree Search (MCTS) exploration to effectively refine their action knowledge in the current environment. Our experiments demonstrate that SynWorld is an effective and general approach to learning action knowledge in new environments. Code is available at https://github.com/zjunlp/SynWorld.