arXiv cs.AI· Xinyuan Song, Zekun Cai·· 11 小时前AI 评分31
智能体 vs. 参数化世界模型：HYBRID-WM 混合规划提升语言智能体可靠性
Agentic vs. Parametric World Models: Hybrid Planning for Reliable Language Agents
AI 导读
研究者提出 Hybrid World-Model Planning（HYBRID-WM），在保留语言智能体语义规划能力的同时，引入轻量参数化世界模型做更准确的转移预测，以抑制幻觉状态传播。该方法让参数化模型构建紧凑规划骨架引导动作生成，并保持智能体想象转移与模型预测一致。在四个图结构规划基准上，HYBRID-WM 持续提升任务成功率，且计算开销适中。
正文 · AI 翻译
摘要：语言智能体（如 ReAct、Reflexion 和 RAP）在规划和行动时会隐式地预测世界将如何变化，利用想象的状态转移来指导决策。这些预测以内部信念的形式编码在智能体的骨干 LLM 中，实际上为多步规划形成了一个隐式世界模型。然而，幻觉产生的状态信息可能嵌入该世界模型，导致持续的不准确，进而影响后续决策。传统的参数化世界模型（如 Dreamer 和 MuZero）通过显式转移模型学习环境动态，但其模型容量有限，难以直接应用于现代语言智能体规划。我们在图结构规划环境中研究这一权衡，并试图结合两种范式的优势。我们提出混合世界模型规划（HYBRID-WM），在保留语言智能体语义规划能力的同时，利用轻量级参数化世界模型实现更准确的转移预测。具体而言，参数化模型构建紧凑的规划骨架来指导动作生成，同时保持智能体想象转移与模型预测之间的一致性。在四个图结构规划基准上的实验表明，HYBRID-WM 以适度的计算开销持续提升任务成功率并减少幻觉状态的传播。这些发现凸显了将语义规划与轻量级参数化 grounding 相结合，对于可靠的长时程语言智能体规划的有效性。
| 评论： | 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2606.27806 [cs.AI] |
| （或 arXiv:2606.27806v4 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.27806 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zekun Cai [查看邮箱]
[v1]
2026年6月26日星期五 07:45:15 UTC（1,414 KB）
[v2]
2026年7月1日星期三 18:42:32 UTC（1,414 KB）
[v3]
2026年7月5日星期日 07:44:24 UTC（3,768 KB）
[v4]
2026年10月20日星期二 02:42:07 UTC（1,590 KB）
来源：arXiv cs.AI · arxiv.org