Unverified50% confidenceFactExact time
Reflexion框架通过让Agent生成自然语言经验总结，以言语强化学习替代传统奖励信号
1
Sources
50%
Confidence
Long-term
Relevance
7/23/2026
First Seen
Sources
Related Claims
UnverifiedReflexion（2023）提出用语言反馈替代数值奖励，让Agent用自然语言总结失败经验并存入记忆83% similarUnverified强化学习的核心机制源自行为心理学中的操作性条件反射理论，智能体通过接收奖励或惩罚信号来调整行为策略69% similarVerified现代大型语言模型在海量对话数据集上训练后，已具备一定程度的情感推理能力62% similarUnverified内容以心理学概念解读和自我觉察练习为主，实操可落地性因人而异；期待具体行为改变方案的用户可能觉得偏理论62% similarUnverifiedAI情感陪伴通过大模型自然语言生成能力，结合RLHF（基于人类反馈的强化学习）训练出的对话风格来模拟具有同理心的表达方式62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/598289API
curl https://kongchang.com/api/v1/knowledge/claims/598289MCP
get_claim(id=598289)