LEARNING
利用语言模型先验从观测中学习POMDP世界模型
Valentin Six, Frederik Panse, Mathis Fajeau, Lancelot Da Costa, Mridul Sharma, Alfonso Amayuelas, Tim Z. Xiao, David Hyland, Philipp Hennig, Bernhard Schölkopf
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出Pinductor方法，利用语言模型先验从少量观测-动作轨迹中学习部分可观测马尔可夫决策过程（POMDP）世界模型，并通过迭代优化基于信念的似然分数来提升模型质量。实验表明，该方法在样本效率上优于传统表格型POMDP基线，且性能随语言模型能力提升而增强。
关键词
POMDPworld modellanguage model priorsample efficiencyLLM
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018