Intrinsic Curiosity World Model

CURIO框架通过驱动好奇心的学习增强LLM的开放式探索

研究人员推出了一种新颖的测试时学习框架CURIO，可增强大型语言模型（LLM）的开放式探索能力。CURIO集成了内在好奇心世界模型（ICWM），为新颖的推理提供预测误差奖励，以补充标准的强化学习奖励。该方法旨在防止抑制那些可能宝贵但最初奖励较低的探索方向。在Qwen3骨干模型上进行的数学发现任务和单细胞去噪实验表明，与仅基于任务的强化学习基线相比，在某些目标上相对提高了18.3%，并增强了去噪性能。