arXiv · cs.AI· Qingyue Zhang, Huaze Tang, Minyu Zhang, Yuxiang Yan, Wenbo Ding, Shao-Lun Huang·· 11 小时前
CB-Agent：将概念式上下文学习用于序列动作选择
CB-Agent: Concept-Based In-Context Learning for Sequential Action Selection
arXiv:2610.14574v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qingyue Zhang, Huaze Tang, Minyu Zhang, Yuxiang Yan, Wenbo Ding, Shao-Lun Huang
研究任务与主要进展
CB-Agent 将专家轨迹中的环境—动作决策提炼为概念向量，并通过最大似然拟合结合冻结语言模型特征与先验，在 ReAct 交互中直接选择动作，从而避免将完整演示轨迹放入动作评分上下文。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org