研究者提出CausalCompose因果世界模型框架

1. 12:00
   arXiv cs.AI

   因果世界模型何时能帮助模块化 LLM 智能体？CausalCompose 框架给出答案

   研究者提出 CausalCompose 因果世界模型框架，为模块化 LLM 智能体引入因果结构，实现干预感知的预测与规划。理论分析表明，在证据充分且局部误差可控时，因果组合可弥合纯观测世界模型在干预时产生的不可约误差。多类模块化智能体环境实验显示，引入因果结构能持续提升干预敏感的推理与规划能力，在因果依赖直接支配动作执行的结构化工具使用系统中收益尤为明显。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。