ProPlay：面向自进化LLM智能体的程序化世界模型

arXiv 2026 64.1 method

TLDR

ProPlay提出了一种程序化世界模型，将轨迹抽象为图以进行预演模拟，使自进化LLM代理能够通过交互不断改进。

评分理由

Strengths: novel procedural abstraction and graph-based world model for self-evolution, with clear methodology and code release. Weaknesses: abstract lacks specific benchmark results and real-world task details, limiting assessment of generalizability.

Read-first 评分解释

综合优先阅读分 64.1，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 35。

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

引用影响力 18%

95.8

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：0.95808064

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

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：基线、基准、实验

主题相关性 29%

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方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：503。

关键词评分

world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

generative world model

video world model

深度分析

创新点

支持程序级预演的自进化LLM代理的程序化世界模型
捕捉任务阶段间因果转换并带有可靠性记录嵌入的程序图
通过交互不断优化对环境动态的内部理解，从而闭环记忆与规划

方法

ProPlay引入了一种程序化世界模型，将成功轨迹抽象为程序并组织成程序图，每个转换关联一个可靠性记录嵌入以估计过去结果的任务特定贡献。在每个回合前，代理在已知图结构上模拟未来的程序轨迹作为结构化软指导；执行后，利用环境反馈优化图。该方法在公开基准上与强基线进行了评估。

关键结果

在公开基准上的实验表明，ProPlay在环境理解和自进化能力上持续优于强基线。

技术栈

LLMProcedural World ModelProcedure GraphReliability Record Embedding

资源

论文代码