强化学习：从算法到基础模型

arXiv 2026 41.9 survey

TLDR

研究强化学习从博弈算法到基础模型，涵盖生成式和交互式世界模型。

评分理由

The paper covers both multi-agent RL in games and RL with generative/foundation models, including world models. Strengths include direct mention of world models and interactive video world models. Weaknesses: limited explicit real-world evaluation and unclear experimental scope from abstract.

Read-first 评分解释

综合优先阅读分 41.9，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 48。

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

主题相关性 29%

68.6

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

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：实验、结果

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：无；数据：无；命中信号：无

引用影响力 18%

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。引用数：0

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

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：335。

关键词评分

world model

interactive world model

video world model

generative world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

深度分析

创新点

用于两人零和、大规模视频游戏和多玩家一般和博弈的多智能体强化学习算法
基于扩散的世界模型作为规划、控制和策略优化的结构化先验
生成模型作为决策制定的策略类
动作影响未来观察的交互式视频世界模型
用于长程建模的记忆增强架构
统一视角：强化学习作为连接决策制定、环境建模和基础模型能力的目标驱动适应

方法

本论文开发了竞争性和一般和博弈中的多智能体强化学习算法，并将预训练生成模型和学到的世界模型整合为表征工具和结构化先验。它研究了基于扩散的世界模型、用于高效视频生成的强化学习、生成模型作为策略，以及具有记忆的交互式视频世界模型以处理长程任务。

关键结果

摘要中未报告具体的定量实验结果；本论文呈现了关于强化学习作为跨策略博弈和生成式基础模型的目标驱动适应的统一视角。

技术栈

Multi-Agent RLGame TheoryDiffusion ModelsGenerative ModelsWorld ModelsMemory-Augmented ArchitecturesVideo Generation

资源

论文