SynWorld: Синтез виртуальных сценариев для уточнения знаний о действиях агентов

SynWorld: Virtual Scenario Synthesis for Agentic Action Knowledge Refinement

April 4, 2025

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

cs.AI

Аннотация

Во взаимодействии между агентами и их окружением агенты расширяют свои возможности, планируя и выполняя действия. Однако агенты на основе языковых моделей (LLM) сталкиваются с существенными трудностями при развертывании в новых средах или при необходимости навигации в нестандартных пространствах действий. Чтобы наделить агентов способностью автономно исследовать окружение, оптимизировать рабочие процессы и углублять понимание действий, мы предлагаем SynWorld — фреймворк, который позволяет агентам синтезировать возможные сценарии с многошаговым вызовом действий в рамках пространства действий и выполнять исследование с помощью метода Монте-Карло для деревьев поиска (MCTS) для эффективного уточнения знаний о действиях в текущей среде. Наши эксперименты демонстрируют, что SynWorld является эффективным и универсальным подходом к изучению знаний о действиях в новых средах. Код доступен по адресу 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.