论文页面 - 关系学习即世界建模

来源：https://huggingface.co/papers/2610.16763

摘要

关系学习通常根据数据库状态进行预测，但决策提出的是一个不同的问题：在执行某个动作后，该状态将如何变化？在实际运行的系统中，答案取决于系统特有的动态规律，而这些规律可能在数据库本身中并不可见。我们将每个这样的系统视为一个关系“世界“，并探究模型能否从观察到的执行记录中推断出该系统的行为方式。我们提出了 TabWM（Tabular World Model，表格世界模型）和 WorldRel——一个用于预训练的可执行关系世界生成器。给定来自一个未见过的世界的执行记录，TabWM 将其作为上下文，在不更新参数的情况下预测新动作所引起的稀疏结构化编辑。在 512 个留出世界上，当没有任何观测执行记录时，完整编辑 F1 仅为 0.016；而在有 64 条执行记录时，F1 提升至 0.685，其中正确的编辑需要同时匹配其操作类型、关系位置和值。由于这些预测是显式的关系编辑，它们可以被递归地应用，以推想候选未来并比较尚未执行的动作。对这些预测未来的更广泛搜索提升了所选动作序列的实际回报。这些结果共同表明，关系动态可以在上下文中被学习，从而将关系学习从对系统状态的建模拓展到对状态在动作作用下如何变化的建模。

查看 arXiv 页面　查看 PDF　GitHub（0）　加入收藏

在你的 agent 中获取这篇论文：

hf papers read 2610.16763

还没有最新版 CLI？运行：curl -LsSf https://hf.co/cli/install.sh | bash

引用本论文的模型：0

没有模型关联此论文。

在模型的 README.md 中引用 arxiv.org/abs/2610.16763 即可从本页面链接该模型。

引用本论文的数据集：0

没有数据集关联此论文。

在数据集的 README.md 中引用 arxiv.org/abs/2610.16763 即可从本页面链接该数据集。

引用本论文的 Spaces：0

没有 Space 关联此论文。

在 Space 的 README.md 中引用 arxiv.org/abs/2610.16763 即可从本页面链接该 Space。

收录本论文的合集：0

没有合集收录本论文。

将本论文加入合集即可从本页面链接它。