EvoBelief：可证伪世界模型助LLM智能体自我进化
原文标题：EvoBelief: Falsifiable World Models for Self-Improving LLM Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出EvoBelief，将环境知识表示为可证伪假设，通过意外结果触发假设生成，经观察与实验验证后指导预测与规划，语言模型保持冻结。在ALFWorld上较冻结世界模型成功率提升23.9%至31.3%，在DiscoveryWorld反应堆实验室完成83.3%普通级任务，基线为0%。
- 问题
- 智能体对环境动态的信念不完整或过时，导致部署中失败并跨任务传播。
- 方法
- 将环境知识表示为可证伪假设，由意外结果触发假设生成，经观察与实验验证后指导预测规划，语言模型保持冻结。
- 结果
- ALFWorld上较冻结世界模型成功率提升23.9%与31.3%；DiscoveryWorld反应堆实验室完成83.3%普通级任务，基线0%。
- 影响
- 让智能体在部署中自我进化世界模型，无需微调即可适应动态环境。
深读 · 结论先行AI 生成展开看要点与影响 ↓
EvoBelief把环境知识写成可证伪假设，ALFWorld成功率提升23.9%至31.3%
- •环境知识表示为可证伪假设，意外结果与决策相关未知触发假设生成
- •规则须经观察与受控实验独立验证后才能指导预测或规划
- •反例会收窄或淘汰规则，语言模型本身保持冻结
- •ALFWorld上较匹配的冻结世界模型分别提升23.9%（Claude Haiku 4.5）与31.3%（GPT-5.4）
- •DiscoveryWorld反应堆实验室完成83.3%普通级任务，基线为0%
为什么重要：自我进化通常聚焦「怎么行动」，这条转向「怎么更新对环境的信念」，且模型冻结、规则可溯源，对做长程Agent规划的研究者有借鉴意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。