EvoBelief: Falsifiable World Models for Self-Improving LLM Agents

مسئله

ایجنت‌های خودتکامل معمولاً روش عملشان را با تجربه، بازتاب یا اسکیل بهتر می‌کنند. اما حتی ایجنتی که رویه‌ها را خوب بلد است، وقتی باورهایش درباره‌ی پویایی محیط ناقص، غلط یا کهنه باشد شکست می‌خورد. چنین باورهایی می‌توانند به چند تسک کمک کنند، ولی باور غلط هم بین تسک‌ها منتشر می‌شود؛ مثلاً ایجنتی که فکر می‌کند «یخچال همیشه باز است» در همه‌ی تسک‌های آشپزخانه اشتباه می‌کند.

روش

مدل جهان خودتکامل EvoBelief دانش محیط را به شکل فرضیه‌های ابطال‌پذیر نشان می‌دهد. نتیجه‌های غیرمنتظره و مجهول‌های مرتبط با تصمیم، ساختن فرضیه را فعال می‌کنند. مشاهده‌های بعدی و آزمایش‌های کنترل‌شده تأیید مستقل می‌دهند تا یک قاعده بتواند پیش‌بینی یا برنامه را در دامنه‌ی پشتیبانی‌شده‌اش هدایت کند، و مثال‌های نقض با تغییر محیط قاعده‌ها را محدود یا بازنشسته می‌کنند. مدل زبانی منجمد می‌ماند و هر قاعده به شواهد و تصمیم‌هایی که تغییر می‌دهد پیوند دارد.

یافته‌ها

• روی ALFWorld بدون حافظه‌ی گذار سمت عامل، موفقیت را نسبت به مدل جهان منجمد هم‌تراز با Claude Haiku ۴٫۵ به اندازه‌ی ۲۳٫۹ درصد و با GPT-5.4 به اندازه‌ی ۳۱٫۳ درصد بهتر کرد.
• روی MiniGrid قاعده‌های کهنه را اصلاح کرد و بعد از تغییرهای اعلام‌نشده‌ی پویایی بازیابی شد.
• در آزمایشگاه راکتور DiscoveryWorld قانون‌های کمّی را کشف و تأیید کرد و ۸۳٫۳ درصد نمونه‌های سطح عادی و ۵۸٫۳ درصد سطح چالشی را کامل کرد، در برابر صفر درصد برای هر پایه.

محدودیت‌ها

نویسنده‌ها می‌گویند آزمایش‌ها در محیط‌های متنی انجام شده‌اند که گذارها ثبت و پیش‌بینی‌ها بررسی می‌شوند؛ گسترش به ایجنت‌های چندوجهی، بدن‌مند و نرم‌افزار واقعی اثرهای تصادفی دارد که آزمون آماری لازم دارد.