先想象后规划：基于世界模型的自适应前瞻智能体学习

arXiv 26.1 2026 59.5 method

TLDR

提出ITP框架，利用世界模型自适应前瞻进行智能体规划，在基准测试中优于基线。

评分理由

Strengths include a novel adaptive lookahead mechanism and unified framework with both training-free and RL variants, supported by extensive experiments. Weaknesses are lack of specific benchmark details and limitations discussion in the abstract.

Read-first 评分解释

综合优先阅读分 59.5，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 33。

近期性 8%

100

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：2026

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：基线、基准、实验、结果

主题相关性 42%

47.1

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：代码、GitHub

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：446。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

generative world model

world simulator

interactive world model

video world model

深度分析

创新点

通过前瞻想象进行智能体学习的统一框架（ITP），通过策略模型与学习到的世界模型交互生成多步想象轨迹。
自适应前瞻机制，通过权衡最终目标和任务进展动态调整想象视野。
提出部分可观测且可想象的马尔可夫决策过程（POIMDP），将想象的未来信号与当前观测融合以指导策略学习。
ITP的两种实例化：无训练变体和强化训练变体。

方法

ITP使用学习到的世界模型使智能体的策略模型能够生成多步想象轨迹。自适应前瞻机制根据任务进展和目标权衡调整想象视野。想象轨迹提供未来信号（如进展、冲突），这些信号与当前观测融合形成部分可观测且可想象的MDP，进而指导策略学习。该框架以无训练和强化训练两种变体实例化。

关键结果

ITP在代表性智能体基准上显著优于竞争基线。进一步分析证实自适应前瞻机制大幅增强了智能体的推理能力。

技术栈

World ModelsPolicy ModelAdaptive Lookahead MechanismReinforcement LearningPOIMDP

资源

论文