让冻结式大语言模型智能体学习领域任务的控制系统、数据集与实践配方

论文提出一种面向冻结模型的可审计智能体控制系统：把提示模板、工具、记忆检索、规划和验证策略压缩为固定且可读的动作空间，并用ε-greedy上下文赌博机与REINFORCE在线学习。系统结合DSPy，在工具调用、HumanEval代码生成和HotpotQA多跳问答上，使用Ollama与AWS Bedrock模型评估，并发布代码、任务集、训练轨迹及部署配方。