Pinductor 用 LLM 先验学 POMDP 世界模型,在线交互仅 DreamerV3 的 1/330
burny_tech · x · 2026-09-29
论文《Learning POMDP World Models from Observations with Language-Model Priors》(arXiv 2605.13740)被 NeurIPS 2026 接收,作者包括 Bernhard Schölkopf、Philipp Hennig、Lancelot Da Costa 等。其核心方法 Pinductor:让 LLM 从少量观测-动作轨迹出发提出候选 POMDP 世界模型,再通过基于信念的似然评分迭代精炼。
要点:
- 相比 DreamerV3,在线交互集数少约 330 倍(3 vs 1000),性能相当且计算成本略低。
- 尽管使用的信息严格更少,仍匹敌那些假设可访问隐藏状态的 LLM-based POMDP 方法,并大幅超过表格型 POMDP 基线的样本效率。
- 性能随 LLM 能力扩展;当环境语义信息被抹除时性能平缓退化,说明先验确实来自语言模型的常识知识。
- 结论:语言模型先验是部分可观测环境下样本高效世界模型学习的实用工具,被视为迈向通用智能体的一步。
「具身」频道最新
- Standard Bots 推出免代码机器人编程系统,称仅 6% 美国制造商用机器人 — LexiLove · 2026-09-29
- 探访 Agility Robotics:Digit 机身满是真实劳作痕迹 — jonstephens85 · 2026-09-29
- Wuji 灵巧手亮相 IROS：20 个主动自由度逼近人手结构 — jonstephens85 · 2026-09-29
- Matt Shumer 让 Opus 自主清空 3D 打印机料盘,16 次尝试后彻底脱管 — mattshumer_ · 2026-09-29
- 车主弃用 FSD 订阅，开源 sunnypilot 已在 Model Y 上跑了八个月 — SuB8u · 2026-09-29
- RoboFoundry 以系统即策略自进化,EmbodiedBench 提升 GPT-5.5 达 27.8% — Jingsong Liang · 2026-09-29