WPM用世界知识评估长程智能体进展

论文提出World Potential Model（WPM），利用预训练模型已有的世界知识，在无需针对具体任务微调评估器的情况下，判断智能体距目标已实现多少进展。基于论文摘要，WPM在ALFWorld和ScienceWorld中恢复了进展结构，并通过任务里程碑生成标量“世界势能”，用于策略优化的步级过程信用。 在匹配比较的全部评估配置中，WPM引导的优化成功率高于仅依赖任务结果的GRPO；目前证据仅来自论文摘要。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。