基于约束树探索从语言反馈中学习

研究提出 TRACE 算法，将用户意图建模为动作空间上的隐式约束，通过将候选约束组织为树状结构并生成动作反复测试，实现从语言反馈中探索可行区域。该算法提供证伪与辨识两种反馈利用机制及理论覆盖界。在 RecMovie 任务中，TRACE-Identification 在 20 和 60 次评估上限下分别取得 73% 和 86% 的成功率，远超提示词基线的 42% 和 48%。