通过大型语言模型的测试时扩展生成符号世界模型

arXiv 25.2 2025 42 method

TLDR

通过测试时扩展，LLMs生成符号世界模型（PDDL领域），无需额外训练即超越o1-mini。

评分理由

The paper introduces a novel method using Best-of-N sampling and verbalized ML to generate PDDL domains, achieving over 50% success rate on two tasks. Strengths include no need for extra training and clear outperformance of a strong baseline. Weaknesses are limited task scope and lack of real-world evaluation.

Read-first 评分解释

综合优先阅读分 42，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 29。

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

主题相关性 42%

41.4

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

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：无

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

排序敏感性

稳定性：volatile；排名波动范围：361。

关键词评分

world model

world dynamics prediction

generative world model

model-based reinforcement learning world model

interactive world model

world simulator

video world model

深度分析

创新点

扩展LLMs的测试时计算以增强PDDL推理能力，无需额外训练
结合Best-of-N采样与言语化机器学习优化，生成高质量PDDL领域

方法

该方法通过扩展LLMs的测试时计算来改进PDDL领域生成。首先使用Best-of-N采样生成初始解，然后通过言语化机器学习以细粒度方式优化解。该方法无需额外训练，并利用PDDL作为形式化规划抽象。

关键结果

该方法显著优于o1-mini，在两个任务（从自然语言描述或PDDL问题生成PDDL领域）上实现了超过50%的成功率。在几乎所有竞赛级规划任务上，该方法也优于当前最先进的方法。

资源

论文