★ 2
研究用 LLM 做外生世界模型预测，动态调度延迟降低 6-46%
研究提出让预训练大模型充当结构化世界模型的外生部分，专门预测不确定的未来任务到达。基于 afterstate 分解的 AWMP 方法结合信念条件调度策略与短程情景推演，并用惊讶触发刷新与在线残差自校准应对非平稳到达。在动态作业车间与柔性作业车间基准上，加权延迟分别降低 6-21% 与 22-46%。
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。
研究提出让预训练大模型充当结构化世界模型的外生部分，专门预测不确定的未来任务到达。基于 afterstate 分解的 AWMP 方法结合信念条件调度策略与短程情景推演，并用惊讶触发刷新与在线残差自校准应对非平稳到达。在动态作业车间与柔性作业车间基准上，加权延迟分别降低 6-21% 与 22-46%。