面向大语言模型驱动智能体的行为分析框架

研究者提出一个通用框架，将数据驱动的行为发现与统计分析和实验验证结合，用于理解语言智能体的行为如何沿轨迹组织并与上下文和结果关联。框架通过记录活动定义测量类别，保留行为在过程中的位置并以可解释假设表达其关系，再用留出情境下的统计检验评估证据强度与范围。以迭代自我反思为案例的研究展示了发现、依赖学习和提示词比较如何相互印证，并指出在编码、分析和实验方面仍需推进以支持更广泛应用。