核心发现
方法论
该方法通过构建情境判断标准，将模型自我探索轨迹中的特殊标记用于训练，结合两阶段训练（监督微调与RPO损失）实现模型的情境自我认知能力。具体包括：•利用启发式准则区分快速思考、慢速思考和知识依赖三类情境；•在轨迹中标记特殊符号，形成训练数据；•采用两阶段训练（初步微调与增强学习）提升模型的自我认知与资源调度能力；•推理阶段根据生成的特殊符号实现动态资源调配。该框架强调模型自主判断情境，从而减少外部知识依赖，提升规划效率。
关键结果
- 在ALFWorld和WebShop两个真实模拟任务上，KnowSelf模型在平均奖励指标中超越多项基线，Gemma-2B模型在ALFWorld达到84.33%，Llama-8B模型达79.85%，相较于无知识基础模型提升10%以上。实验还显示，模型在少量知识引入（约15-26%）时表现最佳，过多知识反而降低性能，验证了自我认知调节的重要性。
- 在泛化能力测试中，KnowSelf在未见任务（如Heat、Cool）上表现优于传统方法，成功突破训练任务的过拟合限制。模型在不同规模（2B与8B）上均表现出良好的扩展性，训练数据比例超过40%时性能显著提升，说明自我认知能力依赖于合理的训练数据比例。
- 消融实验表明，模型缺失反思环节或过度引入知识均影响性能，且在模型最后几层中，知识与行动的内部激活机制被证实是自我认知的关键机制。整体来看，该方法有效提升了模型的情境适应性和跨任务泛化能力。
研究意义
该研究突破了大语言模型在自主规划中的局限，将人类的情境自我认知机制引入模型设计，显著提升模型在复杂环境中的适应性和决策效率。通过引入特殊标记与两阶段训练，模型能自主判断何时调取知识，减少外部依赖，降低推理成本。这不仅推动了智能系统的自主性发展，也为未来多任务、多情境下的自我调节提供理论基础。该框架为AI在自动化、机器人、智能决策等领域的应用提供了新思路，有望引领智能系统向更高的自主认知水平迈进。
技术贡献
本研究提出了“agentic knowledgeable self-awareness”概念，创新性地结合启发式情境判断与特殊符号标记，设计了两阶段训练框架（监督微调+RPO增强）实现模型自主调节知识利用。该方法区别于传统的“洪水灌溉”策略，强调模型自主判断情境，减少外部知识依赖，提升规划效率。技术上，模型在最后几层内部激活知识与行动的机制被揭示，提供了深层次的理论理解。此框架可广泛应用于多任务、多环境的自主决策系统，具有重要的工程和理论价值。
新颖性
本研究首次系统提出“agentic knowledgeable self-awareness”概念，突破了现有模型对情境认知的局限。通过特殊符号标记结合两阶段训练，有效实现模型自主判断情境与调节知识使用，显著优于传统的pattern-fitting或盲目知识注入方法。该方法在模型泛化、任务适应性方面表现优异，首次在大规模预训练模型中引入情境自我认知机制，开启了模型自主调节资源的新路径。
局限性
- 该方法依赖于启发式情境判断标准，可能在极端或复杂环境中表现不佳，存在误判风险。
- 特殊符号的设计与标记过程需要一定的人工调优，可能影响模型的泛化能力和迁移效率。
- 训练过程中对模型最后几层激活机制的依赖，可能限制模型在不同架构或任务中的适应性，未来需探索更普适的机制。
未来方向
未来将结合强化学习优化情境判断策略，提升模型的自主性与鲁棒性。还计划扩展知识系统的构建方式，实现动态知识更新与多模态融合，增强模型在实际复杂环境中的表现。此外，将探索多任务、多情境下的自我调节机制，推动自主智能系统的理论与应用发展。
AI 总览摘要
随着大规模预训练语言模型（LLMs）的快速发展，智能体在复杂任务中的自主规划能力不断提升。然而，传统方法多采用“洪水灌溉”策略，盲目注入外部知识或轨迹，忽视了人类决策中的核心原则——情境自我认知。这种盲目注入不仅增加了推理成本，还导致模型在面对未知环境时表现脆弱。为此，本文提出了“Agentic Knowledgeable Self-awareness”框架，旨在赋予模型自主判断情境的能力。
该框架核心在于：通过启发式准则区分不同情境（快速思考、慢速思考、知识依赖），在模型探索轨迹中标记特殊符号，形成训练数据。采用两阶段训练（监督微调与RPO增强）使模型学会自主调节知识的调用。在推理阶段，模型根据生成的特殊符号动态调配资源，提升规划效率与适应性。
实验结果显示，KnowSelf在ALFWorld和WebShop两个真实模拟任务中超越多项基线，Gemma-2B模型达84.33%的平均奖励，Llama-8B达79.85%，在少量知识引入（15-26%）时表现最佳。模型在未见任务上的泛化能力也显著优于传统方法，验证了情境自我认知的有效性。该方法不仅提升了模型的自主性，还降低了对外部知识的依赖，为未来智能系统的自主调节提供了新思路。
总之，本文通过引入特殊标记与两阶段训练机制，成功实现了模型的情境自我认知，推动了自主智能体的研究前沿，为多任务、多环境的智能决策提供了理论基础和实践方案。
深度分析
研究背景
近年来，随着GPT系列、BERT等模型的出现，预训练语言模型在自然语言处理领域取得突破。多任务学习与强化学习的结合推动了智能体自主规划的发展，代表性工作如ReAct、Reflexion、ExpeL等，强调模型在任务中的反思与知识调度。然而，这些方法多依赖大量外部知识或轨迹模仿，缺乏对情境的自主认知能力，导致模型在复杂环境中表现不稳定。传统方法存在过度依赖外部信息、泛化能力不足等问题，亟需引入更具自主性的认知机制。
核心问题
当前大语言模型在自主规划中面临的核心瓶颈是缺乏情境自我认知，无法动态判断何时调取知识或反思，导致规划效率低、适应性差。现有方法多采用盲目注入外部知识或模仿轨迹，忽视模型自主判断能力，增加推理成本，且易陷入模式匹配的陷阱。这限制了模型在未知或变化环境中的表现，亟需引入类似人类的情境自我认知机制，以实现更高效、更稳健的自主规划。
核心创新
本研究的创新点包括：1）提出“agentic knowledgeable self-awareness”概念，强调模型自主判断情境的能力；2）设计启发式情境判断标准，将轨迹中的特殊符号作为训练信号，实现模型对不同情境的识别；3）采用两阶段训练（监督微调+RPO增强），提升模型的自我调节能力；4）在推理中动态调配知识资源，减少外部依赖。该框架区别于传统的pattern-fitting策略，强调模型的自主认知与调节，显著提升泛化能力和任务适应性。
方法详解
- ��构建知识系统：离线采集少量轨迹，形成知识库与选择模块；•情境判断：利用启发式准则区分快速、慢速与知识依赖情境，标记特殊符号；•数据生成：在轨迹中加入特殊符号，形成训练集；•训练流程：•第一阶段：用自回归损失微调模型，学习基础规划；•第二阶段：引入RPO损失，强化模型的自我认知能力；•推理阶段：模型根据生成的特殊符号自主判断情境，调配知识或反思。
实验设计
在ALFWorld和WebShop两个真实模拟任务上，评估模型在不同规模（Gemma-2B、Llama-8B）上的表现。采用平均奖励作为指标，比较多种基线（如REACT、Reflexion、ExpeL等）和不同知识引入比例。实验设计包括 ablation 研究、泛化测试和规模扩展分析，确保结果的稳健性。训练参数设定严格控制，确保公平性。
结果分析
KnowSelf在两个任务中均优于无知识模型，Gemma-2B达84.33%，Llama-8B达79.85%，少量知识引入（15-26%）效果最佳。泛化测试显示，模型能在未见任务中保持优异表现，验证了情境自我认知的有效性。消融实验表明，反思环节和知识调节机制对性能提升至关重要。模型在不同规模和数据比例下表现出良好的扩展性与稳定性。
应用场景
该方法适用于自主机器人、智能助理、自动驾驶等需要复杂决策的场景。模型可在有限外部知识条件下自主调节资源，提高效率，降低成本。未来，结合多模态信息和动态知识更新，将推动智能系统在实际复杂环境中的应用。
局限与展望
该方法依赖启发式标准，可能在极端环境中误判，存在鲁棒性不足风险。特殊符号设计需人工调优，限制泛化。模型激活机制的依赖可能影响不同架构的适应性，未来需探索更普适的认知机制。
通俗解读 非专业人士也能看懂
想象你在厨房做饭，面对不同的菜谱和食材，你需要判断什么时候用现有的食材，什么时候需要去买新的。有时候你知道怎么做，只需简单操作（快思考）；有时候需要仔细考虑步骤（慢思考）；而遇到不熟悉的菜谱，你可能需要查资料（知识依赖）。这个研究就像教厨师学会自己判断何时用手头的材料，何时查资料，甚至什么时候需要买新食材。通过训练厨师识别不同情况，他们能更快、更好地做出菜肴，减少浪费，也能应对各种复杂的厨房场景。
简单解释 像给14岁少年讲一样
想象你在玩一款游戏，遇到不同的关卡。有时候你一下就知道怎么过（快思考），有时候你要想一想每一步（慢思考），还遇到不懂的地方就得查资料（知识依赖）。这就像是让你的游戏角色变得更聪明，能自己判断什么时候用已有的技能，什么时候需要查攻略，甚至什么时候需要升级装备。这个研究就是在教AI学会自己判断，什么时候用已有的知识，什么时候需要额外的帮助。这样，它就能更聪明地应对各种挑战，不再总是依赖外部提示，变得更自主、更强大。
术语表
Self-awareness (自我认知)
模型对自己当前情境和能力的判断能力，决定何时调取知识或反思，提升自主规划能力。
在论文中，强调模型自主判断不同情境，调节知识调用。
Special tokens (特殊符号)
在轨迹中加入的标记，用于指示模型当前的情境状态（如快速、慢速、知识依赖）。
用于训练模型识别情境，实现自主调节。
Two-stage training (两阶段训练)
先用监督微调模型，再结合RPO损失强化自我认知能力的训练流程。
提升模型自主判断和调节知识的能力。
Heuristic situation judgement (启发式情境判断)
基于规则或准则自动区分不同思考情境的方法。
指导模型在轨迹中标记特殊符号。
开放问题 这项研究留下的未解疑问
- 1 如何在更复杂或多模态环境中保持情境自我认知的准确性仍未解决，尤其在动态变化的场景中模型的判断可能不稳定。
- 2 模型在极端任务或少量训练数据条件下的表现和鲁棒性有待提升，特别是在多任务迁移中如何保持自我认知的稳定性。
- 3 未来需要探索更少依赖人工设计的自动化情境判断机制，以实现更普适和高效的自我认知能力。
应用场景
近期应用
自主机器人导航
机器人能自主判断环境复杂度，调节知识调用与反思策略，提高导航效率和安全性。
智能助理优化
提升虚拟助理在多任务环境中的自主调节能力，减少对外部知识库的依赖，增强用户体验。
远期愿景
自主决策系统
实现全自主的智能体，能在未知环境中自主判断情境，调配资源，推动智能系统的广泛应用。
原文摘要
Large Language Models (LLMs) have achieved considerable performance across various agentic planning tasks. However, traditional agent planning approaches adopt a "flood irrigation" methodology that indiscriminately injects gold trajectories, external feedback, and domain knowledge into agent models. This practice overlooks the fundamental human cognitive principle of situational self-awareness during decision-making-the ability to dynamically assess situational demands and strategically employ resources during decision-making. We propose agentic knowledgeable self-awareness to address this gap, a novel paradigm enabling LLM-based agents to autonomously regulate knowledge utilization. Specifically, we propose KnowSelf, a data-centric approach that applies agents with knowledgeable self-awareness like humans. Concretely, we devise a heuristic situation judgement criterion to mark special tokens on the agent's self-explored trajectories for collecting training data. Through a two-stage training process, the agent model can switch between different situations by generating specific special tokens, achieving optimal planning effects with minimal costs. Our experiments demonstrate that KnowSelf can outperform various strong baselines on different tasks and models with minimal use of external knowledge. Code is available at https://github.com/zjunlp/KnowSelf.