arXiv · cs.AI· Oriol Corcoll·· 18 天前AI 评分33
Explanatory World Models（EWM）：用解释性世界模型解决强化学习中的长时序信用分配
Beyond Temporal Proximity: Explanatory World Models for Credit Assignment in Reinforcement Learning
来源与原文
arXiv · cs.AI
作者：Oriol Corcoll
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/2610.13504v1
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
研究者提出归因框架 Explanatory World Models（EWM），用前沿语言模型生成的解释替代按时间邻近性传播奖励的方式，识别促成最终结果的早期事件。在 Crafter 和 WordCraft 上 EWM 大幅超越 PPO 与 LaRe，奖励越延迟收益越大；在 KuaiRand 上离线优于 SFT 与 LaRe，在线优于 A2C，并在工业级生成式推荐器离线评估中提升 Recall。
来源：arXiv · cs.AI · arxiv.org