★ 3
arXiv 论文：世界模型按像素评估有误，事件转移才是回报误差关键
该论文指出世界模型主要用于规划，却普遍以渲染帧质量评估，而视觉逼真的推演仍可能给出错误回报。作者提出转移级诊断方法，发现在 Atari-100k 的 44 组模型上，恢复事件转移可消除中位 70% 的回报误差，远优于按 MSE/SSIM/LPIPS 选帧。该结论可指导扩散模型修复与规划排序。
arXiv cs.AI11 天前
#规划
共 12 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
DiffuPlan：扩散语言模型智能体可编辑规划状态
论文提出 DiffuPlan，让扩散语言模型智能体维护单一可编辑规划状态，新证据到来时只重建受影响步骤，而非像自回归智能体那样追加文本。配套提出 Expansion-Partition Marginalization 支持变长修订。在四个多跳问答基准上平均 F1 达 50.24，可编辑状态带来 2…
arXiv NLP13 天前
★ 3
研究用形式语义检验 LLM 智能体规划能力，在线成功率仅 40%
论文以隐藏 PDDL 模型为形式语义基准，在五个领域、四个模型、六种提示策略与三种智能体架构下检验 LLM 智能体的规划声明。最佳配置离线解决 78% 可解任务，在线仅 40%；不可解任务识别率低于 10%，更重的提示策略消耗 5 至 22 倍 token 却无明显收益。
arXiv cs.AI13 天前
★ 3
信念状态引擎：部分可观测下的LLM规划增强
LLM智能体在部分可观测环境中易出现过早承诺、不确定性坍缩与策略漂移，根源在于其作为历史条件策略缺乏对隐藏状态的显式信念。论文提出信念状态引擎（BSE），在LLM外部维护POMDP潜在状态的贝叶斯后验，每步仅向LLM暴露后验而非原始动作-观测日志，并证明该组合是信念MDP上的可靠马尔可夫策略。在T…
arXiv cs.AI53 天前
★ 3
CLWM：反事实潜在世界模型提升具身推理规划成功率
识别出世界模型中的反事实坍缩问题，即模型预测视觉上合理的未来却无法区分不同干预的行为后果。提出反事实潜在世界模型（CLWM），结合循环信念状态编码器和对比反事实目标，在遮挡操作、混叠导航等任务上显著提升规划成功率，并减少剥削性规划失败。
arXiv cs.AI54 天前
★ 3
ARC-Bench：揭示冻结JEPA世界模型动作排序缺陷
ARC-Bench是一个无泄漏、固定候选协议，用于审计冻结JEPA风格目标是否正确排序候选动作。研究发现，官方JEPA-WM检查点在操作和迷宫领域存在严重且结构性的排序失败，且该缺陷在更换视觉骨干后依然存在。研究解释缺陷被闭环重规划掩盖，降低重规划频率会导致成功率崩溃，表明闭环成功率系统性高估了冻…
arXiv cs.AI54 天前
★ 3
AI创业者开发能预判意外的智能体
Danijar Hafner在旧金山创立了一家隐身初创公司，专注于开发能够提前规划并应对意外情况的AI智能体。该公司尚处于早期阶段，但目标是在复杂环境中实现自主决策。
MIT Technology Review – AI55 天前
★ 3
ProSE：有界理性下可评估性感知的AI辅助规划
论文提出ProSE问题形式化，考虑用户有界理性，将提案作为干预和偏好学习探针。ProSE-Plan规划器在评估成本瓶颈时优于基线，识别用户可评估性为AI辅助的重要维度。
arXiv cs.AI60 天前
★ 2
研究提出 SPE 框架量化 LLM 无工具规划能力上限
论文通过一次性生成完整计划、不使用工具与执行反馈，隔离测量大模型的内生规划能力，并提出可验证指标 SPE=R×Q×E 分解执行可靠性、计划协调与动作经济性。在 8400 条 4×4 滑块拼图输出上，模型在更长步数下效率下降，完成计划的效率高也可能伴随目标达成差。
arXiv cs.AI5 天前
★ 2
基于CVaR的在线POMDP风险规避规划
论文提出对每步即时成本在信念分布上施加CVaR，直接针对当前状态的不确定性，而非修改价值函数。该方法保留标准期望累积回报目标，使任何基于期望的POMDP规划器只需改动成本计算即可获得风险敏感性。作者给出策略评估与稀疏采样的有限时间保证，并证明粒子信念MDP代理与原始POMDP之间的有限时间误差界，…
arXiv cs.AI33 天前
★ 2
★ 1
arXiv 提出分位数传播规划 QPP 用于尾部风险评估
论文提出分位数传播规划（QPP），将少量固定扰动分位数沿动力学传播并积分成本曲线，同时评估均值与尾部风险。方法在传播层级上精确、随分位网格细化收敛，并在过载与库存任务中降低尾部成本与约束违反。
arXiv cs.LG8 小时前