TabWM 论文：从执行记录学出关系型世界模型，512 个世界 F1 从 0.016 升至 0.685
Zheyu Zhang · hf · 2026-10-19
慕尼黑工业大学 Zheyu Zhang 与 Gjergji Kasneci 的论文《Relational Learning as World Modeling》提出：关系学习通常只从数据库状态做预测，而决策需要回答「某个动作会让状态如何变化」。
- 将每个运行中的系统视为一个关系型「世界」，模型能否从观测到的执行记录中推断其行为？
- 提出 TabWM（表格世界模型） 与 WorldRel——一个用于预训练的可执行关系世界生成器。
- 给定未见过的世界的执行记录作上下文，TabWM 无需参数更新即可预测新动作引发的稀疏结构化编辑。
- 在 512 个 held-out 世界中，完整编辑 F1 从无执行记录时的 0.016 升至提供 64 条记录时的 0.685（正确编辑须同时匹配操作、关系位置与值）。
- 由于预测是显式的关系编辑，可递归应用于想象候选未来、在执行前比较动作；对这些预测未来的更广搜索能提升所选动作序列的实际回报。
结论：关系动力学可以上下文内学习，把关系学习从「建模系统状态」拓展到「建模状态在动作下的变化」。
「研究」频道最新
- Librarian Agents 论文：让智能体自建长上下文工作区应对专业领域查询 — charles_irl · 2026-10-19
- 斯坦福学者批评自动可解释性评测：只查不召回，易生「事后故事」 — ChrisGPotts · 2026-10-19
- 研究者借 MFCC 音频分析反驳「意识连续性」：每 60 毫秒切换一次状态 — eigenhector · 2026-10-19
- Ropedia W0 用约 1 万小时第一视角人类视频训练，一个模型通吃人与机械臂 — liuziwei7 · 2026-10-19
- David Baker 团队从头设计半胱氨酸蛋白酶登 Nature,哺乳动物细胞内验证活性 — DaveJuergens · 2026-10-19
- DKGI:让 agent 把知识图谱当文件,自写工具实现搜索与工具共生进化 — yuz9yuz · 2026-10-19