EPFL研究者于2026年10月15日发布预印本《Evaluating Inquiry Learning in LLM-Based Agents: Hypothesizing, Reasoning, and Exploration》，尝试评估大语言模型智能体能否在同一任务中连续完成探索、提出假设、分析观察结果并修正推断，而不是只测试其中某一个能力。论文摘要
研究团队将Countdown任务扩展为一个交互式数学环境：智能体可以操纵变量、收集观察结果，并据此推断隐藏表达式。论文在7个大语言模型和多种提示策略上进行实验，结果显示，模型在缺少外部引导时，系统探索和迭代修正能力仍然有限，发现正确表达式的成功率较低。研究者随后引入受教育学“探究学习支架”启发的结构化引导，让智能体分阶段进行探索、因果推理和假设更新。摘要称，这种方法在多数模型上提高了任务表现，并促使模型更频繁地识别变量之间的因果关系；在三变量、三示例设置下，部分模型的正确率达到约43%至45%。
这项工作的价值不在于证明智能体已经具备稳定的科学发现能力，而在于把“会不会自主探索”拆成可观察的过程指标，包括探索策略、假设生成、证据解释和假设修正。它提示智能体系统的改进可能不只依赖更大的模型，也依赖任务流程设计和适时的认知支架。不过，实验使用的是受控的数学环境，论文为预印本，结果能否推广到开放式科研、软件工程或现实业务流程，仍需进一步验证。
参考来源：
- Evaluating Inquiry Learning in LLM-Based Agents: Hypothesizing, Reasoning, and Exploration 2026-10-15
由 AI 整理，仅供参考；请以原始来源为准。
