研究者提出面向语言智能体的选择性世界模型DGS-WM

研究者在预印本中提出面向语言智能体的决策引导选择性世界建模方法 DGS-WM。该方法针对强化学习中环境转移监督不足与全观测建模冗余问题，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，在同一策略模型上与强化学习损失联合优化。 研究者称，在单跳与多跳问答及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。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。