PriorZero：弥合语言先验与世界模型以进行决策

arXiv 2026 61.5 method

TLDR

PriorZero通过MCTS根节点先验注入和解耦训练，将LLM先验融入基于世界模型的规划，在Jericho和BabyAI上提升探索效率与性能。

评分理由

Strengths include addressing prior-dynamics mismatch with a novel decoupled design and empirical validation on two benchmarks. Weaknesses are limited task domains (text and gridworld) and lack of real-world physical experiments.

Read-first 评分解释

综合优先阅读分 61.5，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 41。

近期性 6%

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

可复现性 18%

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：有；数据：无；命中信号：代码、GitHub

引用影响力 18%

76.6

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.7664334

方法质量 18%

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：基准、实验

主题相关性 29%

58.6

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

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：465。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

interactive world model

generative world model

video world model

深度分析

创新点

根节点先验注入机制：仅在蒙特卡洛树搜索（MCTS）的根节点融入LLM先验，聚焦语义上有希望的动作，同时保留世界模型的深度前瞻能力。
解耦的展开-训练设计：将世界模型学习与LLM适应分离，使世界模型能在交互数据上持续优化。
交替优化：利用世界模型的价值估计为稳定的LLM微调提供细粒度信用分配信号。

方法

PriorZero通过解耦的展开-训练设计，将LLM导出的概念先验融入基于世界模型的规划。在展开阶段，根节点先验注入机制仅在MCTS根节点融入LLM先验；在训练阶段，世界模型在交互数据上持续优化，其价值估计通过交替优化为LLM微调提供信用分配信号。

关键结果

在Jericho的文本冒险游戏和BabyAI的指令跟随网格世界任务上的实验表明，PriorZero一致提升了探索效率和渐近性能。

技术栈

Large Language Models (LLMs)Monte Carlo Tree Search (MCTS)World ModelReinforcement Learning

资源

论文代码