研究显示 LLM 生成的世界模型可执行但结构保真度低
五个 LLM 把情境转成 POSG 世界模型,99% 能跑通但结构 F1 只有 0.366,能对上的参考不到两成。做规划或神经符号系统的开发者该看看,别只验证可执行性。
五个 LLM 把情境转成 POSG 世界模型,99% 能跑通但结构 F1 只有 0.366,能对上的参考不到两成。做规划或神经符号系统的开发者该看看,别只验证可执行性。
Sakana 系 HGM 的后续工作,专治规划型智能体自我优化瞎折腾的问题,省 2-4 倍评估预算还涨 14% 准确率。
这篇论文发现世界模型出错的地方很反直觉:不是画面糊的步骤,而是拿奖励的那几步。做规划或 RL 的人可以看看这个诊断思路。
一篇做噪声下导航规划的新论文,用 Neumann 边界条件加 Monte Carlo 标签训练出能跨几何泛化的价值场,4D 重规划成功率 95% 以上还比对手快几十倍。
做视觉控制或世界模型方向的朋友可以看看,HIJP 把规划里的在线搜索换成一个逆向模型,成功率 86.8%,速度还能快 1.9 到 16.5 倍。
这篇论文提出了PACT,用一个小型语言模型来规划动作,再结合强化学习策略,在FrozenLake上比纯RL效果好,而且不用重训练。
做AI规划或程序合成的团队,这篇论文提供了一种减少LLM调用次数、提升生成效率的实用方法——用形式化属性替代分数反馈,直接给反例引导修复,值得点开看看具体实现。