arXiv cs.AI· Yuxiao Lee, Zherui Yang, Fan Liu, Hao Liu·2026-10-31 12:00· 3 天前AI 评分47

面向 ML 智能体的世界奖励模型 WRM：预测奖励而非世界

Predict the Reward, Not the World: World Reward Models for ML Agents

AI 导读

研究提出世界奖励模型（WRM），让 ML 智能体直接比选更优候选程序，避免了预测中间执行结果引入的累积误差。基于该方法构建的 9B 模型 ForeCritic 在 26 个 ML 任务的 12,438 个测试对中选优准确率达 79.4%，显著优于通用 LLM 裁判的 53%–62%。

来源：arXiv cs.AI · arxiv.org