用世界模型预测路径实现自我改进的智能体

论文用世界模型预测与经验记忆让 LLM 智能体在测试时自我改进。

资讯摘要

论文提出一种受模型预测路径积分（MPPI）控制启发的测试时框架，将多分支预测分析与基于经验的适应相结合。智能体每步提出多个候选动作，用世界模型想象其结果，从而在不实际执行的情况下比较备选方案；由于语言环境没有显式动力学与代价，预测结果按任务进展和风险评估，并以 MPPI 式权重引导最终决策。双分支经验记忆分别改进候选生成与动作选择、以及下一观测预测。作者报告在 ALFWorld 和 ScienceWorld 上跨三个骨干模型的实验显示整体表现较强，代码将公开。

要点速读

1. 框架在测试时运行，智能体每步生成多个候选动作并用世界模型预测结果，无需在环境中实际执行即可比较。
2. 预测结果按任务进展与风险评分，MPPI 式权重用于最终决策；双分支经验记忆分别优化规划与世界模型预测。
3. 作者报告在 ALFWorld、ScienceWorld 上跨三个骨干模型取得较强整体表现，代码将公开。

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 2026/10/23 08:00:11（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。