本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明连续动作世界模型：学习跨机器人形态的时空动力学先验
简介本文提出连续动作世界模型（CoAWM），用于学习可跨不同机器人形态和执行频率使用的时空动力学先验。方法通过共享潜在函数空间表示机器人动作的时空结构，先用不同形态与采样频率的轨迹进行函数预训练，再将其接入世界模型主干，以条件预测潜在动作函数，解码器可在任意查询时间输出末端执行器动作。
说明从结构化教科书扩展数学证明监督数据
简介该论文提出TOME-Math语料库，将2118本大学数学教科书转换为约38万条结构化证明监督记录，保留章节顺序、命题与证明的对应关系、依赖引用和来源信息。作者利用这些结构信号研究跨数学学科的课程式学习，并分析监督数据量和来源广度带来的扩展规律。原文称，在全部规模上微调后，其平均得分比基础模型高16.7个百分点，并超过三个公开指令数据基线的综合表现。
说明用广义费曼-卡茨修正器组合与引导扩散模型
简介本文提出广义费曼-卡茨修正器（GFKC），用于从多个预训练扩散模型定义的任意目标函数中采样。作者证明模型间的几何插值满足费曼-卡茨偏微分方程，并给出其闭式势函数。方法完全在对数域中运行，可在不重新训练或微调模型的情况下，于生成过程中实时修正结果，并支持基于奖励的引导。作者在解析高斯模型和MNIST扩散模型上进行了验证。
说明超越精选突破：在随机抽取的数学猜想上评估语言模型
简介本文构建了OpenConjecture数据集，收集2026年2月后arXiv数学论文中的猜想，并用前沿GPT模型对随机抽取的200个猜想进行三轮测试。模型约对60%的猜想给出候选解，反例数量约为证明的1.3倍。作者还分析了解答的新颖性、文献引用情况，以及解答是否依赖原猜想的错误或表述不完整。
说明基于智能体式大语言模型推理的儿童糖尿病结局预测（多模态病历）
简介该论文测试了大语言模型智能体在儿科临床预测中的表现，研究对象为2489名2型糖尿病青少年和4018名1型糖尿病青少年，结合结构化数据、病历笔记中的社会因素以及1型糖尿病患者的持续血糖监测数据。研究在18个月随访数据基础上预测24个月后的七项2型糖尿病结局。提出的CEDAR系统会引用证据并自我审核，其预测表现优于传统训练的机器学习模型，在两类糖尿病队列中均更好。两名儿科内分泌科医生仅阅读CEDAR引用的证据与推理，约九成情况下得出与其相同的预测。
说明HiFOR：面向视觉-语言-动作模型的分层预见与动作引导世界检索
简介论文提出HiFOR框架，用于视觉-语言-动作机器人模型。它通过分层依赖掩码同时预测短期状态变化、语义里程碑和最终目标状态，并将未来的潜在表示按时间、视角和空间维度组织起来。模型再根据去噪过程中演化的动作表示，从结构化潜在世界中检索相关未来信息以指导动作生成。作者在两个仿真基准和六项真实机器人操作任务上进行了实验。
说明《运动员作为“一人科学”》：基于消费级可穿戴设备、面向个体生理学的智能体贝叶斯实验设计
简介该论文提出EpiCoach系统，以一名越野山地自行车运动员为对象，用可检验、可审计的方式研究个体生理。系统把关于运动员的结论记录在证据门控的假设登记表中，每条结论都需在训练前给出概率性预测，并仅依据记录的统计拟合结果更新置信度。预测来自由心率、GPS和气压高度推断的机理数字孪生模型，智能体在负荷与安全约束下设计下一周的训练实验。作者利用十八个月的数据进行回放基准测试和前瞻性实时验证，并公开了登记表、基准与方案。
说明是课程设计起了作用，还是只是起步更容易？四足机器人上的无监督环境设计基准测试
简介本文提出一个基准，在 MuJoCo MJX 中用统一协议比较 14 种无监督环境设计、领域随机化及机器人课程方法，测试对象为五种三维四足机器人。地形由八个可解释参数描述，所有课程驱动同一 PPO 学习者并使用相同的环境步数预算。结果显示，没有一种方法在所有机器人和难度组合中都位于最佳组；训练难度较低的方法在多数分布内随机地形上表现靠前，而在保留的结构化地形上，领先者常常并不相同。
说明你的学习率调度可能缺乏理论依据：权重归一化训练中的有效学习率调度
简介本文研究权重归一化训练中的有效学习率轨迹，发现其带来的损失收益主要来自有效学习率而非归一化本身。作者提出 AIR（仿射逆平方根衰减）调度方法，在 128B token 的混合专家模型预训练实验中，其终端训练损失比余弦调度约低 0.01，并且在相同有效学习率轨迹下，权重衰减训练也表现出相似的动态。
说明PathoJev：基于共享视觉上下文的高效病理判读模型
简介该论文提出病理模型PathoJev，可对同一张全切片图像直接预测多个问题的答案概率，无需为每个问题单独生成文本回答。模型只编码一次切片，并在共享视觉上下文上批量评估问题后缀，同时复用混合主干的循环状态以降低计算开销。在三个全切片基准上，9B和27B模型平均准确率分别为77.2%和78.1%，分别比SlideChat高5.4和6.3个百分点，WSI-Bench上9B模型速度为SlideChat的9.1倍。
说明《别丢了思路》：通过认知资源自我分配增强长程LLM智能体
简介该论文针对大语言模型智能体在长程任务中因工作记忆堆积无关信息而“认知过载”的问题，提出认知资源自我分配方法CORAL。智能体可保存任务进度与已验证事实，并在清空冗余上下文后，仅保留检查点信息，从干净状态继续推理。结合多轮次强化策略优化训练后，在GAIA基准上取得较大提升，同时输入token消耗显著低于ReAct智能体。
说明一种基于Hessian引导的统一训练后量化框架
简介该论文提出一种用于大语言模型训练后量化的统一框架。它基于Fisher近似推导出量化引起的输出变化的Hessian引导估计，从而在统一的输出敏感度目标下联合优化量化范围、线性变换和权重取整。论文称该方法在通道级和块级量化设置下均优于现有的变换与取整方法。
说明组合残差网络（CoReNet）：无需显式喷注分配、能感知衰变链的分类器
简介重粒子衰变产生多个喷注，需要把喷注分配到母粒子上。CoReNet按假设的衰变链逐层构建事例表示，用共享权重评估每种喷注分配假设，再用残差网络以学习到的权重组合这些假设，训练时只用分类损失。它在希格斯玻色子对产生的bb̄bb̄末态与QCD多喷注本底的快速模拟样本上表现良好，参数仅1508个，并在HH→bb̄W⁺W⁻与半轻子tt̄的对比中也取得与参数量大两个数量级的Transformer网络相当的性能。
说明Wizard：通过智能体控制实时操控任意虚拟世界
简介该论文提出Wizard，一种智能体式游戏世界模型，可对角色动作进行实时精确控制，并能零样本泛化到新场景、新角色和新动作。方法上，作者构建了涵盖750个场景和178个角色的数据集，以骨架和几何信息作为结构化中间表示来约束视频生成模型，并引入自适应掩码机制以提升条件信号与生成视频的对齐程度。此外，框架通过智能体显式维护和更新游戏状态，使玩家能够自由配置虚拟世界。
说明RFW-A：通过智能体程序生成覆盖500多类、40万个可动关节资产的方法
简介该论文提出RFW-A方法，利用智能体为各类别构建可复用的程序化生成器，再通过程序执行批量生成可动关节资产。作者据此构建了RFW-A-400K数据集，包含40万个以上可用于仿真的资产，覆盖500多个类别。实验显示这些资产结构与运动学有效性较高，用其训练可提升部件级关节估计表现。
看点将智能体程序合成与程序化生成结合，用类别级生成器批量产出关节资产，摘要报告在400K资产、500多类别上验证并可迁移到真实物体。
说明用GradientSHAP解释多步多变量时间序列：风电案例研究
简介本文将GradientSHAP方法加以改造，用于解释多变量、多步的风电功率预测模型，这一方向此前研究较少。作者设计了新的可视化方式，同时给出局部和全局解释，揭示环境因素、站点条件与时间动态之间的关系。研究表明，在合理处理SHAP值并结合领域知识的前提下，该方法能帮助理解模型行为，但其复杂性也给实际部署带来挑战。
说明预训练语言模型中并发时间变量的因子化表示
简介该研究考察语言模型在同一文档中同时维持多个独立演化的上下文变量时，其隐藏状态如何组织。作者用语言切换和话题切换两个独立计时器的受控文档进行实验，发现在十个预训练检查点中两者都能从同一隐藏状态中线性解码。结果表明二者的表示大致可被因子化，且在重叠子空间中近似可加。
说明基于放射学指南的决策图，用于高效临床决策支持
简介本文提出GDGraph框架，用大语言模型把放射学指南拆分为分段，提取局部决策子图并合并为可执行的决策图。推理时由快速模型回答局部临床问题，再通过确定性遍历解析布尔逻辑，形成可追溯的决策路径。在涵盖肾囊肿、附件包块和甲状腺结节指南的347个病例上，其准确率从57.3%提高到90.8%。
说明如何循环你的 Transformer：循环次数扩展、专门化与并行推理
简介本文研究 Transformer 模型中的循环（重复使用同一组权重多次前向计算）。作者在从头训练的解码器模型上，比较循环整个模型或中间层块、循环次数以及循环间信息传递方式的效果。结果显示，在固定参数量下循环整体效果较好，在训练算力受限时循环中间层块更划算；增加循环次数的收益会饱和、反转或变得不稳定。作者还提出加入循环专用的小型低秩适配器，并改进并行循环 Transformer 的信息传递方式以保留质量。
说明Mage-VL-Cowork：从演化出的代理框架中学习混合式计算机操作的完整训练方案
简介该论文提出 Mage-VL-Cowork，一个 4B 参数的混合式计算机使用代理，可在同一策略中结合图形界面操作与代码、终端执行。模型通过中训练、监督微调和强化学习组成的五阶段课程训练。作者还提出 Mage-CUA-Forge，用于合成 293,806 个桌面与网页任务，并通过演化教师框架生成高质量轨迹。该模型在 OSWorld-Verified 上达到 66.0%，并称其在同参数规模下达到最优水平。
说明风湿病领域的 Decision 与 System One 模型：在专科培训考题和诊断病例题上的准确性与校准度评估
简介本文评估了多款 Decision 与 System One 模型在风湿病考题和诊断病例题上的准确率与置信度校准情况。在西班牙专科培训考题上，多数模型表现较好，其中 Jev 的准确率为 93.0%（西班牙语）和 91.9%（英语），低于 GPT-6 Sol 的 99.4%。在诊断病例题上，所有 System One 模型的准确率均低于 GPT-6 Sol（76.9%），其中 Jev 的准确率为 50.0% 且出现过度自信。
说明在 Lean 中使用 Vampire 的「锤子」工具（自动证明调用）
简介论文介绍了 Vampire-Hammer，一个用于 Lean 交互式定理证明器的工具，借助 Vampire 自动定理证明器来完成证明目标，并由 Lean 内核检查重建的证明。它使用 Lean-auto 框架处理目标与前提，并采用标准 TPTP 格式及可用于证明重建的 TSTP 证明。在 196,083 个符合条件的 Mathlib 定理上、每题 10 秒的时限内，Vampire-Hammer 解决了 21,158 个其他被评估工具未能解决的问题。
说明面向视觉语言模型零样本对抗鲁棒性的文本响应感知引导方法
简介视觉语言模型零样本能力强，但易受对抗攻击。本文指出现有引导方式各有局限，因此提出文本响应感知引导（TRAG），利用预训练文本编码器对输入嵌入局部变化的响应来约束视觉表示漂移。实验表明，该方法在多种架构和任务上取得了干净样本与对抗鲁棒性方面的领先性能，并有助于保留预训练的图文关系。
说明Rimuru：通过弹性专家卸载实现现代大语言模型服务的统一内存管理
简介该论文针对大语言模型推理时显存紧张的问题，指出模型权重与注意力状态分别划定固定内存、难以随负载变化调整的缺陷。作者提出Rimuru系统，建立共享页池，通过内存视图、多级页分配器和感知页表的融合MoE内核，实现异构张量间的弹性内存共享，并依据运行时负载动态重分配页面。该系统基于vLLM实现，据报告吞吐量最高可达基线的19.03倍，首token延迟平均降低98.1%。
说明基于因果先验约束的深度学习系统，用于西北太平洋热带气旋快速增强预警
简介本文提出CausalVisionRI系统，用于西北太平洋热带气旋24小时快速增强的预警。该系统结合红外遥感图像、大气与海洋场，并引入从观测数据中发现的因果图作为训练先验。在2020至2024年的前向留出测试中，五成员集成模型的Brier技能评分为0.259，高于多个参考系统。消融实验显示，因果图通路提升了预测效果。
说明基于造影前帧相减的自训练方法：用于X射线冠状动脉血管跨中心分割
简介该论文研究冠状动脉X射线造影血管分割模型在其他医院数据上性能下降的问题。作者用nnU-Net预测结果和造影前帧相减得到的对比图生成伪标签，进行自训练，无需额外人工标注。在两个外部数据集上，经自训练的模型性能有所提升，且提升程度取决于生成初始伪标签的模型的敏感性。
说明MAServeBench：面向分层协作工作负载的多智能体大模型服务系统基准测试
简介该论文提出 MAServeBench，一个用于评测多智能体大语言模型服务系统的基准。它把多智能体之间的协作方式作为可配置的服务工作负载维度，通过可组合的阶段模拟智能体如何协调与交换上下文。基准还保留实际执行的操作与依赖关系，并将工作负载与服务执行及 GPU/NPU 硬件表现关联，以说明服务效率为何不一定能转化为任务的及时完成。
说明DolphinRouting：面向解耦式大模型推理服务的聚类级二元路由
简介论文提出DolphinRouting，用于大语言模型解耦式推理服务（prefill与decode分离）中的请求路由。方法依据提示长度、两类工作节点上缓存调整后的输入长度及输出长度信息对请求聚类，每个聚类学习一个本地或远程prefill的二元决策，依据端到端SLO反馈离线搜索策略，在线通过查表完成选择。在真实集群上，与Dynamo相比，使用k-means的版本在混合负载和真实数据上将P90 TTFT降低5.7%至7.9%，P90 TPOT降低2.6%至10.1%。
说明带可移除物品的在线背包问题中利用回收与尺寸上界
简介本文研究在线无权背包问题：物品依次到达，需立即接受或拒绝，目标是最大化已接受物品的总尺寸。文中允许移除已接受的物品，并同时考虑已知物品尺寸上界以及重新放入此前被拒绝物品的能力。作者给出了这些条件下竞争比的紧致上下界，并提出不需要事先知道尺寸上界、仍能获得可比性能保证的自适应在线算法。
说明只有被接受的词元才计入：延迟目标下投机解码的能耗核算
简介本文研究大语言模型推理中投机解码（speculative decoding）的能耗。草稿模型预测多个后续词元，目标模型一次前向传播完成验证，节能效果取决于被接受的词元数量。作者在H100与H200 GPU上、SGLang环境下，以最多64的批大小测试了5个语料，发现批量增大时节能效果减弱，甚至转为能耗增加，而投机解码在高接受率时才会带来额外节能。
说明LoRe-MIM：面向全身PET/CT的自监督表示学习方法（通过遮挡重建学习多模态特征）
简介本文针对全身PET/CT深度学习中标注稀缺的问题，整理了包含6531例扫描的多示踪剂、多机构数据集，并提出名为LoRe-MIM的自监督学习框架。该方法通过掩码图像重建学习多模态表示：被遮挡区域要么置零（Lost），要么替换为另一成像模态的对应区域（Replaced）。作者在多项下游任务中评估了所学表示，包括多模态重建、癌症与非癌症分类、全身病灶分割、少标注训练和鲁棒性评估，结果显示其优于对应的现有最优基线。
说明基于势函数引导子轨迹平衡的潜在路径探索
简介该论文提出SubLAT方法，用于语言模型的连续潜在推理，通过相对答案势函数与子轨迹平衡（Subtrajectory Balance）联合学习随机潜在探索。模型结合答案监督、思维链监督和表示蒸馏进行训练。实验表明，在算术与演绎推理任务上，随着采样预算增大，解题覆盖率提升，并在部分结构性分布外基准上有所改进。
说明潜在预测可在感觉诱发fMRI中得到可跨被试对齐的表征
简介本文将联合嵌入预测架构（JEPA）改造为仅用脑数据训练的自监督方法，为每位被试训练编码器，编码器从不接触刺激图像。在Natural Scenes Dataset（NSD）上，该方法在脑描述生成和图像重建任务中与依赖图像和语言数据的有监督流程表现相当。作者还发现，不同被试的编码器可在无图像、无共享刺激的情况下完全无监督对齐，对齐后的解码头无需微调即可在另一被试上保留大部分被试内性能。
说明邻域精英：面向问答不确定性量化的质量-多样性搜索
简介本文针对大语言模型问答中错误答案难以察觉的问题，提出用质量-多样性搜索构造输入扰动的邻域方法，称为邻域精英（NE）。该方法沿编辑类型与上下文支持显式程度两个维度，生成保持答案不变的改写。在五个抽取式问答数据集和五个指令微调大语言模型上，NE在几乎所有组合中的失败检测效果优于其他邻域构造方法，并优于基于解码器采样的语义熵。
说明TaskFrame：将任务级规划与帧级控制相连接的游戏智能体框架
简介该论文提出TaskFrame，一种分层规划—控制框架，用于游戏智能体。视觉语言任务规划器把高层目标拆解为有序的原子指令，控制器则依据当前目标与近期观测，逐帧预测键鼠动作和视角运动。实验在《我的世界》（Minecraft）中进行，结果显示其指令拆解能力可与通用视觉语言模型竞争，闭环评估中战斗成功率高于所评估的基线。
说明从串联质谱证据到自适应光谱表征：基于候选分子结构引导的强化学习
简介该论文提出一种结构感知的深度Q网络（SI-DQN），利用已有串联质谱（MS/MS）证据决定是否需要补充测量、请求哪种测量以及何时停止。模型在含模拟MS/MS、红外和核磁共振光谱的多模态光谱数据集上评估，结果显示其在较少附加测量次数下提高了Top-1准确率，并降低了综合损失。
说明用于自动驾驶卡车在交互式高速公路交通中短时域模型预测控制的学习型终端代价
简介本文针对重型自动驾驶卡车的高速公路行驶问题，提出一种结合模型预测控制（MPC）与强化学习（RL）的混合框架。其中有限时域MPC通过动态规划求解，并使用预先训练的RL模型估计终端代价。作者在含有反应式周围车流的仿真环境中，将该方法与零终端代价的纯MPC、基于基础策略估计终端代价的rollout方法以及纯RL进行比较。结果显示，混合方法实现了零碰撞，且代价在所有配置中最低。
说明当需求相互影响：通过相互依赖的规格扩展长周期代码生成
简介本文提出CodeSpecWeave框架，用于合成带有丰富且相互依赖规格的编程任务，任务基于真实开发者的种子数据，由合成智能体与审核智能体共同生成并保证测试可靠。作者据此构建了4670个训练任务，覆盖2865个代码仓库，并用强化学习在这些任务上训练，在DeepSWE-v1.1上明显优于基础模型。论文还发布了包含100个任务和1044条规格的CodeSpecWeave-Bench基准。
说明带验证的合成数据统计分析：线性回归框架
简介该论文在线性回归框架下研究带验证的自训练：预训练估计器生成带噪声的合成数据，验证器按阈值筛选样本，再对接受的样本进行全量或部分微调。文中推导了四种情形下的有限样本风险界，分析验证阈值、生成噪声和预训练误差对预测风险的影响。
说明基于多普勒谱、可输出置信度的对地速度估计方法（重构式表征学习）
简介本文针对铁路等移动平台，提出一种基于多普勒谱估计对地速度并给出逐帧置信度的方法。方法借鉴自编码器重构任务的思路，在其潜在特征上增加速度估计分支，推理时舍弃重构解码器并加入轻量置信度分支，同时采用噪声增强训练。实验表明，该方法比经典基线的速度估计精度更高，并能在不利信号条件下给出可反映单次预测可靠性的置信度。
说明基于随机化专家复核的共形标注：应用于在线细胞类型标注
简介本文提出CARED框架，用于AI辅助的细胞类型标注。它在数据分布变化的情况下，通过随机抽取部分病例交由专家复核，并据此校准后续决策，从而对长期累计错误进行控制，无需平稳性或可交换性假设。在胰腺、肺和卵巢标注数据流上的实验显示，该方法能控制累计错误，且多达70%的细胞可以跳过专家复核。
说明面向多模态RLVR的分布式奖励校准与预算中性信用分配
简介本文针对GRPO中的优势估计提出TACE方法，分两阶段处理：先用一维最优传输映射将奖励标准化为标准正态分布以统一不同任务的奖励分布并抑制异常值，再对每条轨迹内的token权重进行秩校准并重新归一化，使信用总量与符号守恒。论文给出了理论性质证明，并在多模态推理基准上取得多数基准的最佳结果，但并非在所有设置中都最优。
说明反应先例可使逆合成预测超越训练覆盖范围
简介本文研究在逆合成预测中，检索到的反应先例能在多大程度上弥补任务训练覆盖的不足。作者使用271万条反应数据，按转化类型或时间限制训练与检索范围，仅扩充检索库而保持模型参数不变。结果显示，在训练中未包含的转化类型上，检索扩充后的准确率大幅提升；所有14个通用模型在引入先例后均有改善，表现最好者超过了八个专用模型。
说明基于大语言模型引导的四足机器人平面移动操作
简介论文针对室内杂乱环境中可移动障碍物的导航问题，提出由语言条件任务规划器生成参数化动作序列、再由底层强化学习策略执行的方法。规划器在合成数据上用LoRA微调，在交互式导航任务上优于经典规划器和提示式前沿模型。底层提出端到端的全身平面推动策略，仿真成功率为93.3%，高于分层基线的83.5%。
说明EnvOS：环境会变化时审计电脑操作智能体的框架
简介该论文提出EnvOS框架，用于构建和认证任务执行中会发生变化的环境。运行前检查变化是否正确触发、任务是否可解，运行后根据存档证据复核判定结果。研究以过时信息为场景，在诊所预约和保险理赔两类任务中测试了多个大语言模型，结果显示智能体能否发现变化随模型与界面而异。
说明《同批判断：上下文批处理使大模型判定依赖于同批其他条目》
简介论文研究为节省成本而把多条独立条目放进同一提示让大模型批量打分时，判定是否会受同批其他条目及其位置影响。作者在三类判断任务和五个4-9B参数的开源模型上测试，同样的2000条条目分入不同随机批次后，约11%至22%的判定发生改变。结果表明，这种影响主要来自邻近条目的顺序与位置，多次投票也难以完全消除。论文建议有歧义的条目应逐条单独评分，并在批处理时报告与单条评分的一致性。
看点新意在于证明批量评分会使判定依赖同批其他条目：在三类任务、九个模型上测量翻转率并分解成因，结论对实践有直接警示。
说明ScienceJudge：面向句子级科学论断核验的模式扰动增强方法
简介该论文研究如何判断AI生成的科学段落中，每个句子是否被给定的多模态证据材料所支持。作者提出模式扰动增强（PPA）方法，将报告错误建模为破坏忠实性的变换，并用它构造困难负样本。在此基础上提出的ScienceJudge系统整合视觉语言预测器与LLM预测器，在本地开发集上平均分由0.8124提升至0.8692，并在NLPCC 2026 Task 10 Track 1官方排行榜上以0.6890的最终分数排名第一。
说明基于保留锚点的持续自适应可认证行为保留方法
简介论文提出 CABA 方法，在模型更新后用预留的历史样本作为锚点，比较新旧策略在冻结表示上的前向 KL 散度，选出最大且最坏锚点散度仍在预算内的插值系数。在 UCI 人体活动识别数据集上的受控实验中，该方法在预算 0.05 下将平均遗忘从 1.01% 降至 0.00%，同时最终平均准确率从 93.04% 降至 88.48%。
说明激活档案资源：从档案文献中大规模提取极低资源语言的双语句对
简介该论文提出从语言学家留下的语法书、词典等档案文献中提取平行句对的方法，这类资源覆盖许多网络上几乎没有内容的语言。研究者结合光学字符识别（OCR）模型与视觉语言模型构建流程，使识别出的文本与版面信息对齐。文中报告，所提取的双语数据在20种语言上用于训练机器翻译模型或大语言模型的上下文学习，相较零样本翻译，面向低资源与高资源语言的chrF2++分别提升15.78与6.94。
说明EpiAgent：面向大语言模型智能体的认知自博弈框架
简介该论文提出EpiAgent框架，为基于大语言模型的智能体加入一个可学习的认知层，用于维持对其他主体私有信息的信念，并将其与已有信息结合形成认知状态以辅助决策。方法将策略拆分为认知更新和行动规划两个相互耦合的阶段，通过双层优化问题及认知自博弈算法交替优化，并以内在预测奖励评估信念对后续观察的预测能力。作者称，在混合与竞争场景的实验中，该方法优于基于提示和基于强化学习的基线。