社会世界模型增强的机制设计策略学习

arXiv 25.10 2025 56.5 method

TLDR

提出SWM-AP，通过推断智能体特质并预测其响应来增强机制设计策略学习，提升样本效率。

评分理由

The paper presents a novel method combining world models with mechanism design, demonstrating strong empirical results across diverse settings. However, the abstract lacks explicit discussion of limitations or comparison to state-of-the-art world model methods.

Read-first 评分解释

综合优先阅读分 56.5，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 45。

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

主题相关性 42%

64.3

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 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、实验

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

排序敏感性

稳定性：volatile；排名波动范围：358。

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

通过从交互轨迹中推断持久潜在特质（如技能、偏好）来分层建模智能体行为
基于特质的社会世界模型，预测智能体对部署机制的响应
在现实交互中在线推断智能体特质以提升策略学习效率

方法

SWM-AP学习一个社会世界模型，该模型从智能体的交互轨迹中分层推断其潜在特质，并使用基于特质的模型预测智能体对机制的响应。机制设计策略通过与社会世界模型交互收集大量训练轨迹，同时在现实交互中在线推断智能体特质，以进一步提升样本效率。

关键结果

在税收政策设计、团队协作和设施选址的实验中，SWM-AP在累积奖励和样本效率方面均优于现有的基于模型和无模型的强化学习基线。

资源

论文