arXiv cs.AI· Haori Lu, Tianyu Gao, Yaoyao Liu, Yingying Li·· 11 天前AI 评分34
基于世界模型预测路径的自改进智能体
Self-Improving Agents with World Model Predictive Paths
AI 导读
研究人员提出一种受模型预测路径积分（MPPI）启发的测试时框架，结合世界模型多分支预测与双分支经验记忆实现 LLM 智能体自改进。智能体在每步提出多个候选动作并由世界模型预测结果，通过评估任务进度与风险成本权重指导最终决策。在 ALFWorld 和 ScienceWorld 上跨 3 个基础模型的实验验证了该方法的有效性，相关代码将公开发布。
来源：arXiv cs.AI · arxiv.org