Agent2World：通过多智能体反馈生成符号世界模型

Research Paper#AI, LLM, World Models, Multi-Agent Systems🔬 Research|分析: 2026年1月3日 20:10•
发布: 2025年12月26日 18:54
•
1分で読める
•ArXiv

分析

本文解决了训练LLM生成符号世界模型的挑战，这对于基于模型的规划至关重要。缺乏大规模可验证的监督是一个关键的限制。Agent2World通过引入一个多智能体框架来解决这个问题，该框架利用网络搜索、模型开发和自适应测试来生成和完善世界模型。使用多智能体反馈进行推理和微调是一项重大贡献，从而提高了性能并为监督学习提供了数据引擎。本文对行为感知验证和迭代改进的关注是一项值得注意的进步。
引用 / 来源
查看原文
"Agent2World demonstrates superior inference-time performance across three benchmarks spanning both Planning Domain Definition Language (PDDL) and executable code representations, achieving consistent state-of-the-art results."
A
ArXiv2025年12月26日 18:54
* 根据版权法第32条进行合法引用。
较旧

The Effectiveness of Approximate Regularized Replay for Efficient Supervised Fine-Tuning of Large Language Models

较新

The Lepton-Gluon Portal Beyond Lepto-Gluons

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv