arXiv cs.AI· Haori Lu, Tianyu Gao, Yaoyao Liu, Yingying Li·· 12 小时前AI 评分39
基于世界模型预测路径的自改进 LLM 智能体
Self-Improving Agents with World Model Predictive Paths
AI 导读
研究者提出一种受 MPPI 控制启发的测试时框架，让 LLM 智能体在每一步生成多个候选动作，并用世界模型预测其结果，从而在不实际执行的情况下比较不同方案。由于语言环境不提供显式动力学与代价，预测结果按任务进展和风险评分，再以 MPPI 式权重引导最终决策。
正文 · AI 翻译
摘要：大型语言模型（LLM）智能体越来越多地被期望与环境交互，并在部署过程中改进其决策。然而，如何通过预判未来结果并利用积累的交互经验来共同支持决策，仍缺乏充分探索。我们提出了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自适应相结合。在每一步，智能体提出多个候选动作，并用世界模型想象其结果，从而可以在不于环境中执行的情况下比较各种备选方案。由于语言环境既不提供显式动力学也不提供代价，预测结果会针对任务进展和风险进行评估，而基于所得代价的 MPPI 风格权重将指导最终决策。双分支经验记忆实现了自我改进：规划器分支改进候选生成和动作选择，而世界模型分支改进下一观测预测。在 ALFWorld 和 ScienceWorld 上跨三个骨干模型的实验表明，我们的方法具有强大的整体性能，且经验引导的预测控制是有效的。我们的代码将公开提供。
| 评论： | 17 页，4 幅图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.28945 [cs.AI] |
| （或 arXiv:2610.28945v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28945 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Haori Lu [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 21:46:29 UTC（987 KB）
来源：arXiv cs.AI · arxiv.org