提出Pinductor方法,利用大语言模型从观测-动作轨迹中生成并迭代优化可执行的POMDP世界模型,在无需隐藏状态监督的条件下实现了与特权方法相当的样本效率并显著优于传统基线,证明了语言先验在部分可观测环境下高效学习世界模型的实用性。
机构:马普所
来源:arXiv 2605.13740 | AI4Papers 论文推荐平台