研究者指 vanilla LLM/LRM 难以在不确定环境中评估多步规划价值
xuanalogue · x · 2026-10-23
xuanalogue 分享其团队的新发现：vanilla LLM 和 LRM 在两个规划能力上表现不佳——一是在不确定环境中估算多步计划的价值，二是主动规划去收集有价值的信息。作者称这种能力在 POMDP / belief space 规划中会自然涌现，并表示后续会分享更多细节。
「研究」频道最新
- LLM 让代码廉价化,递归重写或破解软件验证难题 — jd_pressman · 2026-10-23
- Hugging Face 将强化学习环境项目 OpenEnv 移交 Linux 基金会 — lmoroney · 2026-10-23
- 把可验证代码从 1% 缩到全集：形式验证的现实困境 — jd_pressman · 2026-10-23
- 新论文：AI 审稿在最佳状态下胜过人类同行评审 — RexDouglass · 2026-10-23
- 用 Claude 证明内存安全等价,一次性挖出大量 PHP 深层 bug — jd_pressman · 2026-10-23
- TUM 等提出 Bridged Self-Distillation：跨家族、黑箱教师也能做 On-Policy 蒸馏 — TUM · 2026-10-23