arXiv · cs.CL· Yuxiao Lee·· 2 天前精选AI 评分53
World Reward Models 论文提出用奖励预测替代世界模型预测加速 ML Agent 搜索
Predict the Reward, Not the World: World Reward Models for ML Agents
来源与原文
arXiv · cs.CL
作者：Yuxiao Lee
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38439v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 World Reward Models（WRM），让模型直接预测哪个候选程序更好，而不预测执行结果，避免世界模型的错误预测给搜索喂假信息。其实现的 ForeCritic 基于 9B 决策模型在 5k 执行程序对上训练，在 26 个 ML 任务的 12,438 个留出对上以 79.4% 准确率选中更优程序，通用 LLM 判官为 53-62%；接入 AIDE、ML-Master 和 ForeAgent 后平均任务时间缩短 4.4-7.5 倍，分数变化在 0.01 以内或有提升。
推荐理由
论文给出理论证明与跨三个 Agent 框架的实测数据，读者可以据此比较用奖励模型替代世界模型预测的思路是否成立。
来源：arXiv · cs.CL · arxiv.org