arXiv cs.AI· Zheyu Zhang, Gjergji Kasneci·· 3 天前AI 评分29
TabWM：将关系学习作为世界建模
Relational Learning as World Modeling
AI 导读
研究者提出 TabWM（Tabular World Model）与 WorldRel 世界生成器，让模型无需更新参数、仅以观测执行序列为上下文，即可预测新动作引发的稀疏结构化编辑。在 512 个留出世界上，完整编辑 F1 从无观测执行时的 0.016 提升至 64 次执行时的 0.685。由于预测结果是显式关系编辑，可递归推演候选未来并比较动作，更广的搜索提升了所选动作序列的实际回报。
正文 · AI 翻译
摘要：关系学习通常从数据库状态进行预测，但决策提出的是另一个问题：在某个动作下该状态将如何变化？在业务系统中，答案取决于系统特定的动态，而这些动态可能无法在数据库本身中看到。我们将每个这样的系统视为一个关系“世界”，并探究模型能否从观察到的执行中推断其行为方式。我们提出 TabWM（Tabular World Model）和 WorldRel，一个用于预训练的可执行关系世界生成器。给定来自一个未见世界的执行，TabWM 将其作为上下文，在不更新参数的情况下预测新动作引起的稀疏结构化编辑。在 512 个留出世界中，完整编辑 F1 从无观察执行时的 0.016 上升到有 64 个执行时的 0.685，其中正确的编辑必须匹配其操作、关系位置和值。由于这些预测是显式的关系编辑，它们可以被递归应用以想象候选未来，并在采取动作之前比较动作。对这些预测未来的更广泛搜索提高了所选动作序列的实际回报。总之，这些结果表明关系动态可以在上下文中学习，将关系学习从对系统状态建模扩展到对状态在动作下如何变化进行建模。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.16763 [cs.LG] |
| （或 arXiv:2610.16763v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16763 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zheyu Zhang [查看电子邮件]
[v1]
2026年10月12日星期一 13:24:37 UTC（555 KB）
来源：arXiv cs.AI · arxiv.org