标签
提出了一种三阶段训练范式，将世界模型规划内化到LLM智能体中，使其具备前瞻性决策能力。在搜索和数学推理任务上优于基线方法。
本文提出了一种名为“智能体自主世界建模”（AAWM）的训练流程，该流程基于策略自身的决策需求构建世界模型监督，而非依赖下一观测预测，从而使学习目标与有效决策所需的动态特性对齐。
本文介绍了 Agentick，这是一个用于评估涵盖强化学习（RL）、大型语言模型（LLM）和视觉语言模型（VLM）范式的通用序贯决策智能体的统一基准测试。该基准提供了 37 个程序化生成的任务，并揭示目前尚无单一方法占据主导地位，突显了智能体自主性方面仍有巨大的提升空间。
本文介绍了 PRISM，这是一个通过动态问答流程整合视觉-语言模型和大语言模型的框架，旨在提升具身 AI 任务中的顺序决策能力。