R-WoM：面向计算机使用代理的检索增强世界模型

arXiv 25.10 2025 59.7 method, application

TLDR

提出R-WoM检索增强世界模型，通过外部教程提升LLM模拟计算机代理的准确性。

评分理由

Strengths include systematic probing of LLM world model capabilities and a novel retrieval-augmented approach that shows significant improvements on real-world benchmarks. Weaknesses are the narrow focus on digital environments and reliance on tutorial retrieval, which may limit generalization.

Read-first 评分解释

综合优先阅读分 59.7，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 42。

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：分析、基线、实验

主题相关性 42%

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：180。

关键词评分

world model

world dynamics prediction

world simulator

generative world model

interactive world model

model-based reinforcement learning world model

video world model

深度分析

创新点

通过三个任务（下一状态识别、完整过程规划对齐、里程碑转换识别）系统性地探测了LLMs的核心世界建模能力（未来状态预测和奖励估计）。
提出了检索增强世界模型（R-WoM），通过整合从外部教程中检索到的事实性、最新知识来约束LLM模拟。

方法

该研究首先通过三个任务探测LLMs的世界建模能力：下一状态识别、完整过程规划对齐和里程碑转换识别。随后提出R-WoM，利用检索到的外部教程知识增强LLM模拟。在OSWorld和Webarena的子集上进行实验，并与基线进行比较。

关键结果

R-WoM在OSWorld和Webarena子集上分别实现了高达23.4%和16.3%的相对改进，尤其在长期模拟中优势显著。

局限性

LLMs倾向于产生幻觉且依赖静态训练知识。
累积误差阻碍长期模拟。
在完整过程规划中性能迅速下降，凸显了在长期可靠建模环境动态方面的局限性。

技术栈

Large Language Models (LLMs)Retrieval-Augmented World Model (R-WoM)External Tutorials RetrievalOSWorldWebarena

资源

论文