Environment-Grounded Automated Prompt Optimization for LLM Game Agents

• 类型：arxiv
• 标识：2606.17838
• 链接：http://arxiv.org/abs/2606.17838v1
• 主分类：agent
• 形态：method
• 被引：2
• 被引来源：Semantic Scholar
• S2被引：2
• OpenAlex被引：0
• 影响力被引：0
• TLDR：An automated prompt optimization framework for LLM agents that decomposes the observation-to-action pipeline into a goal-conditioned descriptor agent and an action selection agent, and iteratively refines each module's prompt through an LLM-driven evolutionary loop guided by environment returns is introduced.
• OpenAlex ID：W7165007513
• OpenAlex DOI：10.48550/arxiv.2606.17838
• DOI：10.48550/arxiv.2606.17838
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.17838
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：面向 LLM 游戏 Agent 的环境接地自动化提示优化
• TLDR中文：提出一种针对 LLM Agent 的自动化提示优化框架，将"观测到动作"流水线分解为目标条件描述子 Agent 与动作选择 Agent，并通过由 LLM 驱动、以环境回报为指导的进化循环迭代优化各模块提示。
• 来源文件：
• /inbox/tom/_candidates/2026-06-17-agent-memory-tool-use-candidates.json
• [S2 enrich]
• [OpenAlex backfill]