EvoBelief：用可证伪假设让LLM智能体自进化

Janet Wang 等研究者在 arXiv 发布论文 EvoBelief，提出一种自进化世界模型：LLM 智能体把环境知识表示为可证伪假设，通过后续观察和受控实验验证后用于预测或规划，并用反例缩小或淘汰规则；语言模型本身保持冻结，每条规则关联其证据和所影响的决策。 论文称实验显示：在无 actor 侧转移记忆的 ALFWorld 上，相对匹配的 Frozen World Model 基线，使用 Claude Haiku 4.5 和 GPT-5.4 分别提升成功率 23.9% 和 31.3%；在 DiscoveryWorld 的 Reactor Lab 中能发现并验证定量规律，完成 83.3% 的 Normal 级和 58.3% 的 Challenge 级实例，而各评估基线均为 0%。

AI 根据报道生成 · 3 小时前更新