DGS-WM：面向语言智能体的决策引导选择性世界建模方法

预印本摘要称，研究者针对语言智能体强化学习中环境转移监督不足以及全观测建模冗余问题，提出决策引导选择性世界建模方法 DGS-WM。该方法通过筛选支撑后续决策的关键观测单元作为建模目标，并依据预测置信度动态调整辅助损失权重，与强化学习损失在同一策略模型上联合优化。在单跳及多跳问答与交互式网页基准测试中，该方法在不同模型规模和强化学习算法下均取得了稳定增益。