arXiv · cs.AI· Jun Zhao, Jixin Tang, Yang Shu, Jinyang Wu, Yuyang Lu, Jingqi Tong, Hao Xu, Weifeng Ge, Qi Zhang·· 1 天前
World Potential Model：用预训练世界知识评估长程智能体任务进展
World Potential Model: Pretrained World Knowledge as Progress Potentials
arXiv:2610.09560v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jun Zhao, Jixin Tang, Yang Shu, Jinyang Wu, Yuyang Lu, Jingqi Tong, Hao Xu, Weifeng Ge, Qi Zhang
首次提交：2026-10-07 15:01
研究任务与主要进展
论文提出World Potential Model，利用预训练模型的世界知识评估智能体相对于目标的已实现进展。基于论文摘要，该方法在ALFWorld和ScienceWorld中无需针对任务微调评估器即可恢复进展结构，并通过任务里程碑生成标量世界势能，为策略优化提供步级过程信用；在匹配比较的所有评估配置中，WPM引导的优化成功率高于仅依赖结果的GRPO。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org