論文の概要: World Potential Model: Pretrained World Knowledge as Progress Potentials

• arxiv url: http://arxiv.org/abs/2610.09560v1
• Date: Wed, 07 Oct 2026 07:01:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.769894
• Title: World Potential Model: Pretrained World Knowledge as Progress Potentials
• Title（参考訳）: 世界ポテンシャルモデル: 先進的ポテンシャルとしての先進的世界知識
• Abstract要約: エージェントコンテキストにおけるタスク相対的実現過程の目標条件付き評価器であるWorld Potential Model (WPM) を用いて,この能力を定式化する。 既訓練のオフザシェルフモデルでは,タスク固有評価器の微調整を伴わずに,現実のプログレス構造を復元する可能性が大幅に向上した。
• 参考スコア（独自算出の注目度）: 31.3928067420575
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon language agents often receive supervision only from terminal task outcomes, leaving little signal for distinguishing productive intermediate behavior from stagnation or even regression. Rather than learning a separate value function or process reward model for every task, we ask whether pretrained models can recognize task progress from their existing world knowledge. We formalize this capability with a World Potential Model (WPM), a goal-conditioned evaluator of task-relative realized progress in agent contexts. In ALFWorld and ScienceWorld, off-the-shelf pretrained models substantially outperform chance at recovering realized-progress structure without task-specific evaluator fine-tuning. We further anchor these progress judgments to task-specific milestones to obtain scalar world potentials, whose temporal differences provide process-sensitive step-level credit for policy optimization. Under matched comparisons, WPM-guided optimization improves success over outcome-only GRPO across all evaluated configurations. Together, these results provide initial evidence that pretrained world knowledge can support reusable realized-progress evaluation and provide useful supervision for long-horizon agents.
• Abstract（参考訳）: ロングホライズン語エージェントは、しばしば終末タスクの結果からのみ監督を受けており、生産的な中間行動と停滞や回帰を区別するための信号はほとんど残っていない。 タスク毎に異なる値関数やプロセス報酬モデルを学ぶのではなく、トレーニング済みのモデルが既存の世界の知識からタスクの進捗を認識することができるかどうかを問う。 エージェントコンテキストにおけるタスク相対的実現過程の目標条件付き評価器であるWorld Potential Model (WPM) を用いて,この能力を定式化する。 ALFWorldとScienceWorldでは、オフザシェルフ事前訓練されたモデルは、タスク固有の評価器を微調整することなく、実現されたプログレス構造を回復する可能性を大幅に上回っている。 さらに、これらの進捗判断をタスク固有のマイルストーンに固定し、スカラー世界ポテンシャルを得る。 一致した比較により、WPM誘導最適化は、評価されたすべての構成において結果のみのGRPOよりも改善される。 これらの結果は、事前訓練された世界知識が再利用可能な実効性評価を支援し、長期エージェントに有用な監視を提供するという最初の証拠を提供する。

関連論文リスト

• Self-Evolving World Models for LLM Agent Planning [72.99782619992361]
  我々はWorldEvolverを紹介した。WorldEvolverは、ダウンストリームエージェントとすべてのモデルパラメータを凍結したまま、デプロイメント時間コンテキストを更新する自己進化型ワールドモデルフレームワークである。 WorldEvolverは3つのバックボーンで最高の予測精度を達成し、下流エージェントの成功率で他のワールドモデルベースラインを導く。
  論文  参考訳（メタデータ） (2026-06-29T17:58:43Z)
• Internalizing the Future: A Unified Agentic Training Paradigm for World Model Planning [32.26884129316165]
  大規模言語モデル(LLM)エージェントは、シーケンシャルな意思決定において強力な能力を示している。 コミットメントの前に潜在的な計画を評価するために「What-if」推論を採用する人間とは異なり、標準エージェントは将来の成果をシミュレートする内的世界モデルが欠如している。 本研究では,1つの自己回帰モデルを訓練し,将来的な状態展開と計画条件による成功推定の両方を言語化することにより,将来の計画の内在化を提案する。
  論文  参考訳（メタデータ） (2026-06-25T19:05:44Z)
• Self-evolving LLM agents with in-distribution Optimization [60.05867547965365]
  大規模言語モデル(LLM)は最近、複雑な環境で対話的なエージェントのための強力なコントローラとして登場した。 本稿では,自動プロセス・リワードラベリングとポリシー学習を統一するLDMエージェントの自己進化フレームワークであるQ-Evolveを提案する。 我々は,AlfWorld,WebShop,ScienceWorldの手法を評価し,Q-Evolveがサンプル効率,堅牢性,全体的なタスク性能において高いベースラインを達成していることを示す。
  論文  参考訳（メタデータ） (2026-06-05T15:09:52Z)
• ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation [57.07494675832939]
  ロボット操作のための既存の視覚言語アクション(VLA)モデルは、進歩意識を欠いている。 本研究では,textbf vla という新しいモデルを提案し,タスク進捗の推定と統合について検討する。 CALVINとLIBEROベンチマークの実験は、実世界のロボットの展開とともに、成功率の大幅な改善を一貫して示している。
  論文  参考訳（メタデータ） (2026-03-29T12:38:11Z)
• Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
  本稿では, 自己補正VLA (SC-VLA) を提案する。 SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
  論文  参考訳（メタデータ） (2026-02-25T06:58:06Z)
• EmbodiedBrain: Expanding Performance Boundaries of Task Planning for Embodied Intelligence [17.644658293987955]
  身体的AIエージェントは、物理的環境における堅牢な空間認識、効果的なタスク計画、適応実行を行うことができる。 現在の大規模言語モデル (LLMs) とマルチモーダルLLM (MLLMs) の具体化タスクは、重要な制約に悩まされている。 EmbodiedBrain は 7B と 32B のパラメータサイズで利用できる新しい視覚言語基盤モデルである。
  論文  参考訳（メタデータ） (2025-10-23T14:05:55Z)
• Task Priors: Enhancing Model Evaluation by Considering the Entire Space of Downstream Tasks [18.705966042259405]
  このような厳格な評価プロトコルは、AI研究においてサイレントボトルネックを生み出している、と我々は主張する。 このビューでは、すべてのダウンストリームタスクのセットに対してモデルのパフォーマンスを評価することができる。
  論文  参考訳（メタデータ） (2025-07-14T02:53:14Z)
• Watch Every Step! LLM Agent Learning via Iterative Step-Level Process Refinement [50.481380478458945]
  反復的なステップレベルプロセスリファインメント(IPR)フレームワークは、エージェントトレーニングを強化するためのステップバイステップのガイダンスを提供する。 3つの複雑なエージェントタスクに関する我々の実験は、我々のフレームワークが様々な強力なベースラインより優れていることを示した。
  論文  参考訳（メタデータ） (2024-06-17T03:29:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。