论文用自组织临界性等视角刻画长程智能体的世界模型误差演化。
资讯摘要
一篇论文从自组织临界性、弱混沌和亚稳信念动力学三个视角研究长程LLM智能体的世界模型演化。作者在受控谜题、工具调用、具身环境、多跳检索、通用助手推理和生命游戏等任务上实验，发现外部增加的任务压力会显著提高崩溃概率，而自然出现的压力对后续失败的预测力有限；错误在时间上相关而非独立，其传播随依赖深度变化但在有限任务中有界。
要点速读
- 论文在受控谜题、工具使用、具身环境、多跳检索、通用助手推理和Game of Life上开展实验，观察世界模型误差在长交互中的发展。
- 外部增加的任务压力会大幅提高崩溃概率，自然出现的压力对后续失败仅有有限预测力；错误呈时间相关，传播随依赖深度变化但在有限任务中有界。
- 局部有效动作可在整体任务状态已出错后继续，错误结构取决于任务拓扑与时间跨度；具身任务中的信念状态较浅，未强陷于错误状态。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。