【光熙博士生学术论坛讲座  】

讲座人：张鑫 博士生

题目：面向大语言模型智能体的世界模型技术

时间：2026年11月8日  16:00-17:00

地点：_____信息楼1912_______

讲座内容：

本报告围绕世界模型在大语言模型智能体强化学习中的作用，梳理利用环境反馈改善训练与决策的研究进展，关注任务回报稀疏、失败轨迹利用不足和动作影响缺少直接监督等问题。报告按照预测任务作为辅助监督、显式利用世界模型辅助决策，以及环境模拟支持智能体训练三条路线展开，比较预测目标、数据筛选、训练安排和执行接口的差异及其影响。结合代表性论文的方法与实验，报告讨论状态维护、未来观测预测、行动修订和搜索如何改善多步交互，并分析模拟轨迹的可执行性、训练价值及其向真实任务的迁移。最后，通过参数干预、目标错配和随机奖励等对照研究，分析环境知识、辅助梯度与优化过程对性能提升的不同贡献，讨论预测准确性与实际决策收益之间的差距。