★ 2
新框架借世界模型预测路径实现智能体自我改进
论文提出受模型预测路径积分（MPPI）控制启发的测试时框架：智能体每步生成多个候选动作，用世界模型「想象」其结果，再按任务进展与风险加权决策。双分支经验记忆分别改进规划器与世界模型，在 ALFWorld 与 ScienceWorld 上验证了经验引导预测控制的有效性，代码将开源。
arXiv cs.AI11 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出受模型预测路径积分（MPPI）控制启发的测试时框架：智能体每步生成多个候选动作，用世界模型「想象」其结果，再按任务进展与风险加权决策。双分支经验记忆分别改进规划器与世界模型，在 ALFWorld 与 ScienceWorld 上验证了经验引导预测控制的有效性，代码将开源。