问题陈述
Reliable deployment of LLM agents requires grounding diverse user expressions in their environments. Although RL-finetuned smaller large language model (sLLM) agents rival larger prompted LLMs on embodied tasks, their robustness to instruction paraphrases remains unclear.
评估基准与发现
We introduce ALFWorld-Para to evaluate this robustness under controlled paraphrases, revealing the following:
- 21–52% SR 下降，且该下降主要由对象同义词（object synonyms）驱动。
- 尽管 sLLM 保留了对同义词指称对象的知识，却常在已观察到这些对象后仍未采取相应动作，暴露出指称知识与对象绑定之间的缺口。
- 在部分可观测条件下，指称对象可能始终未被观测，或以不同标签被遇到过，这进一步复杂化了对象绑定。
对鲁棒性问题的进一步揭示
核心失误模式：在已观察对象条件下，sLLM 常无法将指称表达式与其对应对象进行有效绑定，尽管其已具备关于同义词指称对象的知识。这意味着模型在“知道指称”与“将指称落到对象”之间存在系统性断层，构成同义释义鲁棒性问题的关键来源。
部分可观测性的影响
Agent 并不总能看到指称对象，或者该指称可能此前以不同的名称出现过。因而在有限观测事实下，若缺乏强绑定机制，指称表达与环境中已出现标签之间的匹配更易失败。
方法：BINDIntent
为应对上述挑战，我们提出 BINDIntent，一个训练免（training-free）的框架，基于语义邻近性并在面对未见候选时结合对持续性的估计，以概率方式将指称表达绑定到已观测到的标签。
性能提升
- 对同义词释义的鲁棒性显著改善：在无需额外训练或额外 LLM 调用的前提下，使 RL 微调 sLLM 的同义释义成功率提升 17.5–49.1 个百分点（pp）。
- 资源开销极低：每一步仅增加