53%的查询里，最显眼的社交选择其实是错的！ReAdapt让LLM智能体学会读关系再行动
When LLM Agents Fail to Read the Room: ReAdapt for Relational Social Reasoning
📖 AI 总结
本文关注大语言模型智能体在社交场景中的关系推理缺陷。作者指出，社交智能体的基本决策（如是否回应某条动态、该联系谁）并非单纯的内容判断，而往往取决于人际关系中的潜在因素，如关系强度、互惠性和共同连接。标准LLM智能体循环未显式建模新关系证据如何修正其社交假设，因而在关系线索与内容线索冲突时容易做出表面合理却错误的选择。为刻画这一失败模式，作者构建了关系推理基准，包含500个合成社交世界和1000条查询，覆盖反应选择与引荐牵线两项任务，其中约53%的查询中表面最优候选与基于关系的正确答案不一致。为此提出ReAdapt方法，在ReAct循环中引入结构化社交状态，并在每次工具观察后执行类型化Adapt步骤，更新状态并输出策略操作。实验显示，该方法将引荐任务准确率从37%提升至51%，反应选择从69%提升至77%，表明显式关系状态适应有助于智能体将检索到的社交证据转化为修正后的决策。
🔑 关键词速览
| ReAdapt | 一种关系自适应智能体框架，通过显式结构化社会状态和策略驱动步骤来改进LLM智能体的社交推理能力。 |
| ReAct | 一种结合推理（Reasoning）和行动（Acting）的LLM智能体循环范式，智能体交替进行思考与工具调用。 |
| 关系推理基准 | 用于评估智能体在社交关系中推理能力的测试集，包含合成社交世界和查询任务。 |
| 结构化社会状态 | 用五元组(G, B, R, N, D)表示的社会状态，分别对应目标、信念、关系、规范和披露。 |
| 预言机遗憾 | 衡量智能体决策与最优决策之间差距的指标，值越低表示性能越好。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅