arXiv cs.AI· Xinyuan Song, Zekun Cai·· 13 小时前AI 评分38
世界模型科学：长时程 LLM 智能体中的自组织临界性、弱混沌与亚稳态信念动力学
World Model Science: Self-Organized Criticality, Weak Chaos, and Metastable Belief Dynamics in Long-Horizon LLM Agents
AI 导读
研究从自组织临界性、弱混沌与亚稳态信念动力学三个视角分析长时程 LLM 智能体的世界模型演化，在受控谜题、工具调用、具身环境、多跳检索、通用助手推理和 Game of Life 等实验中观察到幂律行为、与弱混沌一致的有界发散及亚稳态信念动力学。
正文 · AI 翻译
摘要：长时程 LLM 智能体必须在延展的观测、动作、决策与工具调用序列中维护并更新世界模型。我们从三个视角研究长时程智能体的动力学：自组织临界性、弱混沌与亚稳态信念动力学。通过在受控谜题、工具使用任务、具身环境、多跳检索、通用助手推理以及生命游戏上的大量实验，我们研究世界模型误差如何在长程交互中发展。我们发现，外部增加的任务压力会急剧提高崩溃概率，而自然出现的压力对后续失败的预测能力仅为中等。误差在时间上相关而非独立，其传播随依赖深度而变化，但在有限任务中保持有界。我们还发现，在智能体的整体任务状态已变得不正确之后，局部有效的动作仍可继续执行；误差结构取决于任务拓扑与时间跨度；具身任务中的信念状态是浅层的，而非被强烈困于错误状态。更大的时间跨度允许更大的误差级联，但其规模仍受任务与模型能力的约束。总体而言，我们在长时程智能体交互中观察到幂律行为、与弱混沌一致的有界发散，以及亚稳态信念动力学。我们将这一视角称为世界模型科学：对长时程智能体世界模型中自组织临界性的实证研究。
| 评论： | 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.17419 [cs.AI] |
| （或 arXiv:2609.17419v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.17419 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zekun Cai [查看邮箱]
[v1]
2026年7月12日星期日 04:04:26 UTC（7,574 KB）
[v2]
2026年10月29日星期四 14:02:04 UTC（3,030 KB）
来源：arXiv cs.AI · arxiv.org