論文の概要: From Single-Actor Environments to Multi-Actor Event Worlds: Can LLMs Be Event World Models?

• arxiv url: http://arxiv.org/abs/2610.30488v1
• Date: Wed, 21 Oct 2026 22:14:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.166947
• Title: From Single-Actor Environments to Multi-Actor Event Worlds: Can LLMs Be Event World Models?
• Title（参考訳）: シングルアクタ環境からマルチアクタイベントワールド: LLMはイベントワールドモデルになれるか?
• Abstract要約: 複数のアクターが独自の決定を下し、イベントログを通じて部分的にのみ観察されるシステムを形式化する。 大規模言語モデルがログとエージェントの提案した行動から将来の観察を予測できるかどうかを問う。 我々は、人間の外交ゲームと実際のポリマーケット取引から補完的なベンチマークを構築します。
• 参考スコア（独自算出の注目度）: 19.14445979829866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models help agents assess the consequences of their actions before acting. Many real systems, however, involve multiple actors who make their own decisions, can evolve even when the agent takes no action, and are only partially observed through event logs. We formalize these systems as event worlds and ask whether large language models can predict future observations from the log and the agent's proposed actions. We build complementary benchmarks from human Diplomacy games and real Polymarket trades. Our hierarchical framework compares prediction with and without other actors' actions, then tests multi-step rollouts, predictions for actions never taken, and usefulness to agents. Fine-tuning and more data improve prediction when all actors' recorded actions are given. With only the agent's action, models struggle when other actors strongly affect the outcome, and larger models and longer histories help little. This gap also limits multi-step prediction and agent decisions, with models overestimating plan success. Yet imagined experience and initialization from world models can still improve policy learning. Anticipating other actors' actions remains a central challenge for event world modeling.
• Abstract（参考訳）: 世界モデルはエージェントが行動する前に行動の結果を評価するのに役立つ。 しかし、実際のシステムの多くは、独自の決定を下す複数のアクターを伴い、エージェントがアクションを取らない場合でも進化し、イベントログを通して部分的にのみ観察される。 我々はこれらのシステムをイベントワールドとして形式化し、大規模言語モデルがログとエージェントの提案したアクションから将来の観測を予測できるかどうかを問う。 我々は、人間の外交ゲームと実際のポリマーケット取引から補完的なベンチマークを構築します。 我々の階層的なフレームワークは、予測と他のアクターのアクションとを比較し、その後、マルチステップのロールアウトをテストする。 微調整とデータにより、すべてのアクターのアクションが記録されると予測が改善される。 エージェントのアクションだけで、他のアクターが結果に強く影響を与えるとモデルが苦労し、より大きなモデルと長い歴史はほとんど役に立たない。 このギャップはまた、計画の成功を過大評価するモデルによって、多段階の予測とエージェントの決定を制限する。 しかし、世界モデルからの経験と初期化は、いまだにポリシー学習を改善することができる。 他の俳優の行動を予想することは、イベントワールドモデリングにおける中心的な課題である。

関連論文リスト

• Anticipating Social Consequences with Distributional World Models [61.67575540471998]
  ソーシャルワールドモデルは、アクション後に相互作用がどのように発達するかを予測し、エージェントが交渉、協力、仲介を行うのを助ける。 提案する分散社会世界モデル(DSWM)は,候補行動毎のアウトプットにおける代替応答,その確率,即時および最終結果値を予測する。
  論文  参考訳（メタデータ） (2026-10-22T03:19:50Z)
• FACT: Failure-Aware Causal Training for World-Action Models [20.123306787874828]
  最近の世界行動モデルでは、将来の予測と協調学習ポリシーは、アクション生成に物理的な優先順位を与える可能性がある。 FACTは,実行された行動に規定された今後の映像やタスクの進捗を予測する因果的ワールド・アクション・モデルである。
  論文  参考訳（メタデータ） (2026-08-10T21:10:46Z)
• ActionParty: Multi-Subject Action Binding in Generative Video Games [117.52562594944679]
  ActionPartyは、ゲーム生成のための制御可能な多目的世界モデルである。 46の多様な環境において最大7人のプレイヤーを同時に制御できる最初のビデオワールドモデルを実証する。
  論文  参考訳（メタデータ） (2026-04-02T17:59:58Z)
• DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos [110.98100817695307]
  私たちはDreamDojoを紹介します。DreamDojoは、多種多様なインタラクションと、エゴセントリックな人間ビデオの44万時間から厳密なコントロールを学ぶ基礎的な世界モデルです。 本研究は, 遠隔操作, 政策評価, モデルベース計画など, 生成的世界モデルに基づくいくつかの重要な応用を可能にする。
  論文  参考訳（メタデータ） (2026-02-06T18:49:43Z)
• Current Agents Fail to Leverage World Model as Tool for Foresight [61.82522354207919]
  エージェントは、行動する前に結果を予測するためにそれらを使用できます。 本稿では,現在のエージェントがそのような世界モデルを,認知力を高めるツールとして活用できるかどうかを実証的に検討する。
  論文  参考訳（メタデータ） (2026-01-07T13:15:23Z)
• WorldPrediction: A Benchmark for High-level World Modeling and Long-horizon Procedural Planning [52.36434784963598]
  我々は、異なるAIモデルのワールドモデリングと手続き計画能力を評価するためのビデオベースのベンチマークであるWorldPredictionを紹介する。 現在のフロンティアモデルでは,WorldPrediction-WMでは57%,WorldPrediction-PPでは38%の精度しか達成できないが,人間は両タスクを完璧に解くことができる。
  論文  参考訳（メタデータ） (2025-06-04T18:22:40Z)
• Web Agents with World Models: Learning and Leveraging Environment Dynamics in Web Navigation [25.26545170310844]
  本稿では,WMA(World-model-augmented, WMA)Webエージェントを提案する。 WebArenaとMind2Webの実験は、私たちの世界モデルが、トレーニングなしでエージェントのポリシー選択を改善していることを示している。
  論文  参考訳（メタデータ） (2024-10-17T05:37:00Z)
• Learning the Effects of Physical Actions in a Multi-modal Environment [17.757831697284498]
  大規模言語モデル(LLM)は、物理的コモンセンス情報を不十分に扱う。 本稿では,現実的な感覚入力のみから行動の結果を予測するマルチモーダルタスクを提案する。 マルチモーダルモデルでは、視覚情報で拡張した場合に、物理的なコモンセンスをキャプチャできることを示す。
  論文  参考訳（メタデータ） (2023-01-27T16:49:52Z)

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。