2025_NIPS_Active Reasoning in an Open-World Environment

文章主要内容与创新点总结

一、主要内容

1. 研究背景：现有视觉语言学习模型在完整信息问答任务中表现出色，但多为被动响应模式，依赖预存知识；而人类面对不完全信息问题时，会主动探索、积累信息并进行多轮溯因推理，现有模型缺乏这种主动推理能力。
2. 核心贡献
   • 提出主动推理（Active Reasoning） 新范式，强调主动探索和迭代推理在溯因推理中的核心作用，将传统单轮被动问答转化为沉浸式环境交互任务。
   • 开发🔍 Conan 开放世界环境，以侦探游戏为载体，包含破坏者（留下痕迹）和侦探（探索推理）两个智能体，支持多轮溯因推理，提供60类任务、32种痕迹和10万条多难度层级的问答数据。
   • 提出演绎溯因（Abduction from Deduction, AfD） 学习框架，基于贝叶斯原理将溯因推理转化为演绎过程，利用任务转换知识提升模型推理能力。
3. 实验设计与结果
   • 评估了DQN、TRPO等强化学习探索器和FrozenBiLM、Flamingo-Mini等多模态模型，发现现有模型在低层级意图问题上有一定表现，但在目标和生存状态等高层级推理中存在显著不足。
   • 验证了有效探索对推理性能的关键作用，理想探索器能大幅提升模型在高层级任务中的表现；AfD框架通过融合演绎知识，进一步改善了生存状