arXiv cs.AI· Boyuan Xiao, Pu Wang, Ji Feng, Yao-Xiang Ding·· 6 天前AI 评分23
RoleWorld：用功能角色抽象实现世界模型中的知识迁移
RoleWorld: Knowledge Transfer in World Modeling with Functional Role Abstractions
AI 导读
RoleWorld 是一种符号化世界建模方法，用可复用原型加环境专属参数值构成的功能角色抽象，来表示物体在交互中的行为方式。教师 LLM 从交互轨迹中提取角色原型、基于角色实例的可执行转移规则，以及指导 actor LLM 决策的技能；在目标环境中 actor 无需教师，通过交互主动检验角色实例假设并在线修正角色分配与参数，不更新 LLM 参数、转移规则保持固定。
正文 · AI 翻译
摘要：世界模型使大语言模型（LLM）智能体能够预判动作效果并做出明智决策。为了实现泛化，这类世界模型最好能高效迁移到具有相似交互结构和底层动力学的新环境中。近期方法将世界动力学编码为符号规则或可执行程序，其组合式结构原则上支持迁移，但仍围绕环境特定的对象来组织此类知识。为解决这一局限，我们提出了 RoleWorld，一种符号世界建模方法，它使用可复用的原型和环境特定的参数值作为功能角色抽象，来表示对象在交互中的行为方式。从交互轨迹中，教师 LLM 提取角色原型和定义在角色实例上的可执行转移规则，以及一项引导行动者 LLM 在决策中使用角色信息的技能。在目标世界中，没有教师的情况下，行动者使用该技能及其当前的角色分配和参数估计，并在角色实例假设的不确定性影响当前决策时，通过交互主动检验该假设。每个动作的反馈都会在线细化角色分配并估计参数值，无需更新 LLM 参数，且转移规则保持固定。在 MARS 基准上的实验表明，RoleWorld 能够在对象行为发生显著改变的环境中实现稳健泛化，这表明功能角色抽象可以作为世界建模中知识迁移的有效组成部分。项目页面：this https URL。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.13172 [cs.AI] |
| （或 arXiv:2610.13172v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13172 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Boyuan Xiao [查看邮箱]
[v1]
2026年10月9日星期五 07:58:45 UTC（214 KB）
来源：arXiv cs.AI · arxiv.org