热点事件持续更新

研究者发布EpiAgent：LLM智能体认知自我博弈框架论文

1 篇报道1 个报道来源17 小时前更新

先了解这件事

AI 综述

Xuanfa Jin 等研究者在 arXiv 发布论文（arXiv:2610.40227），提出面向基于 LLM 的智能体的认知自我博弈框架 EpiAgent，为智能体引入显式、可学习的认知层，用于维护对他方私有信息的信念并指导行动选择。该框架将策略分为认知更新与行动规划两个阶段，通过 Epistemic Self-Play 算法以自我博弈方式交替优化两个阶段，并利用内在预测奖励评估信念质量。论文称，在混合与竞争场景的实验中，EpiAgent 一致优于基于提示词和基于强化学习的基线方法。

AI 根据报道生成 · 1 小时前更新

最新进展10月29日 23:05

EpiAgent：面向 LLM 智能体的认知自我博弈框架

报道时间线

沿着报道，了解事件的不同侧面。

10月29日

23:05
arXiv · cs.CL
EpiAgent：面向 LLM 智能体的认知自我博弈框架
研究者提出 EpiAgent，为基于 LLM 的智能体引入显式、可学习的认知层，用于维护对他方私有信息的信念并指导行动选择。该框架将策略分为认知更新与行动规划两个阶段，通过 Epistemic Self-Play 双层优化交替训练，并以内在预测奖励评估信念质量。在混合与竞争场景中，EpiAgent 一致优于基于提示词和 RL 的基线。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。