从文字到世界：大型语言模型能否成为隐式文本世界模型？

arXiv 25.12 2025 60.8 method, benchmark

TLDR

LLM可作为隐式文本世界模型用于智能体强化学习，但收益取决于行为覆盖率和环境复杂性。

评分理由

The paper introduces a clear three-level evaluation framework and provides empirical evidence across five environments, showing conditions where LLM-based world models improve agent learning. However, it is limited to text-based environments and does not address real-world physical or visual domains.

Read-first 评分解释

综合优先阅读分 60.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 48。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：评估、实验

主题相关性 42%

68.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：264。

关键词评分

world model

model-based reinforcement learning world model

interactive world model

world dynamics prediction

generative world model

world simulator

video world model

深度分析

创新点

三层框架用于评估基于LLM的世界模型：保真度与一致性、可扩展性与鲁棒性、智能体效用。
证明LLM可作为隐式文本世界模型用于智能体强化学习。
将LLM世界模型应用于动作验证、合成轨迹生成和强化学习热启动。

方法

作者提出了一个三层评估框架用于基于LLM的世界模型，评估保真度/一致性、可扩展性/鲁棒性和智能体效用。他们在五个代表性文本环境中进行实验，训练LLM在交互下进行下一状态预测，并在三个层面上评估其性能。

关键结果

经过充分训练的世界模型能够保持连贯的潜在状态，随数据和模型大小可预测地扩展，并通过动作验证、合成轨迹生成和强化学习热启动来提高智能体性能。

局限性

收益关键取决于行为覆盖率和环境复杂性，这划定了世界模型有效支持智能体学习的明确边界。

资源

论文