分布社会世界模型预测行为后果

DSWM 一次输出多种社会互动未来及其概率

资讯摘要

论文提出 DSWM 分布社会世界模型，针对同一行为可能引发多种未来走向的问题，在每次候选动作下一次性输出多种替代反应、各自概率及即时与最终结果价值，避免只预测单一未来或反复模拟带来的推理成本。作者用监督微调和 GRPO 训练了一个 4B 模型，推理时由行动方依据这些可能后果选择动作。在三个已见和两个未见环境中，DSWM 在 15 项指标中的 13 项取得最佳平均表现；消融显示保留多种未来及其概率在全部五个环境中均改善结果。

要点速读

1. DSWM 对每个候选动作一次输出多种可能反应、概率及即时与最终结果价值。
2. 作者用监督微调与 GRPO 训练 4B 模型，推理时据此选择动作。
3. 在三个已见、两个未见环境中，15 项指标有 13 项平均表现最佳；消融显示保留多未来及概率在五个环境均提升结果。

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 2026/10/24 08:00:37（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。