摘要
大型语言模型(LLM)智能体通过积累经验不断改进，但随着交互的增加，自由形式的文本记忆变得难以维护、验证和重用。近期的符号化方法学习可执行的技能或程序化的世界模型，但通常存储局部过程或假设简化的动态。
我们提出了对象中心环境建模(OCM)，它将经验组织为可执行的对象中心环境模型。OCM维护两个相互连接的代码库：对象知识，定义环境实体和机制为Python类；程序知识，记录必须导入并使用对象模型的可重用交互模式。
OCM在在线环境中工作：每个回合后，OCM反思轨迹，更新两个知识库，并验证所有过程是否能在更新后的对象模型上执行。在未来的交互中，智能体使用渐进知识披露，首先检查紧凑的代码签名，只有在需要时才读取源代码。
实验表明，OCM在各基准测试中获得最佳平均排名，并减少无效动作，证明智能体可以通过构建对象中心环境模型从中受益。
博主点评： OCM的提出为智能体的环境建模提供了新的视角，通过对象中心的方式，显著提升了模型的可维护性与重用性。这种方法不仅优化了交互的有效性，还为未来的智能体学习奠定了坚实的基础。值得关注的是，如何进一步扩展OCM以适应更复杂的环境将是后续研究的重要方向。