Valentin Six

语言模型加速POMDP世界模型学习

研究人员开发了Pinductor，一种利用语言模型先验在部分可观察马尔可夫决策过程（POMDP）中学习世界模型的新方法。该方法使用LLM从有限的观测-行动轨迹中提出和改进POMDP模型，显著减少了对广泛环境交互的需求。Pinductor在性能和样本效率方面与使用特权状态信息的方法相当，并且比DreamerV3等标准的POMDP基线具有更高的样本效率，同时保持相似的计算成本。