语言模型智能体的探索与利用错误可被度量

基于摘要分析。本文研究如何在无法访问内部策略的情况下，从语言模型（LM）智能体的可观察行动中区分并量化探索与利用错误。核心贡献是构建可控决策环境，并设计不依赖内部策略访问的错误度量，用于分析不同智能体的失败模式。 环境受实际具身 AI 场景启发，由部分可观测的二维网格地图和未知的任务有向无环图组成。评估思路是利用可控环境中的行动记录，分别考察智能体探索问题空间和利用已获知识的表现；但摘要未给出两类错误的数学定义、判定规则，以及指标计算所需的环境信息。 作者报告，在所构建任务中评估的多种前沿 LM agents 仍面临困难，且不同模型呈现不同失败模式。摘要未列出具体模型、任务规模、对照基线或量化结果，因此尚不能判断差异幅度及其稳健性。实验协议、消融及统计信息尚未验证。 该研究的主要对象是通用 LM agents 的决策评估，并非 EEG 解码或 BCI 控制；当前材料不足以建立具体的 BCI 迁移机制，不将其评估结论外推为 BCI 有效性证据。