Can World and Action Modeling Benefit Each Other under Unified Causal Training?
Aggiunta all'archivio di AIChronos il (numero del 18 ottobre 2026 ricostruito)· fonte del · Yue Su, Bokai Lin, Xinkai Wang, Chubin Zhang, Xiangnan Wu, Kuan Zhang (Interactive and Active AI)
Il lavoro di Yue Su e colleghi introduce OneWM, un framework che integra il training delle politiche e del modello del mondo in un'unica architettura. I risultati mostrano che l'apprendimento delle dinamiche forward condizionate sugli azioni migliora la performance delle politiche e la generalizzazione, mentre l'apprendimento delle azioni migliorava la fidelità della previsione del mondo multivista.
- Integrazione di world modeling e action learning in OneWM
- Miglioramento della performance delle politiche attraverso l'apprendimento delle dinamiche forward
- Aumento della fidelità della previsione del mondo multivista tramite apprendimento delle azioni
Perché conta. Questi risultati sono rilevanti per gli sviluppatori di LLM e agenti, poiché dimostrano come l'integrazione dei modelli del mondo e delle politiche possa portare a miglioramenti significativi nella performance generale.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.