世界模型

MobileWorldBench: Towards Semantic World Modeling For Mobile Agents

MobileWorldBench: 向移动智能体的语义世界建模迈进

Shufan Li, Konstantinos Kallidromitis, Akash Gokul, Yusuke Kato, Kazuki Kozuka, Aditya Grover

机构 * UCLA（加州大学洛杉矶分校） ； Panasonic AI Research（松下人工智能研究） ； Salesforce AI Research（Salesforce人工智能研究） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 MobileWorldBench通过语义世界模型提升移动智能体任务成功率

Comments 21 pages, 13 figures

Rethinking the Reliability of Multi-agent System: A Perspective from Byzantine Fault Tolerance

重新思考多智能体系统可靠性：从拜占庭容错的角度出发

Lifan Zheng, Jiawei Chen, Qinghong Yin, Jingyuan Zhang, Xinyi Zeng, Yu Tian

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.MA

AI总结 本文从拜占庭容错角度研究基于大语言模型的智能体可靠性，提出CP-WBFT机制提升多智能体系统稳定性与可靠性。

Modular connectivity in neural networks emerges from Poisson noise-motivated regularisation, and promotes robustness and compositional generalisation

神经网络中的模块化连接源于受泊松噪声启发的正则化，并促进鲁棒性和组合泛化

Daoyuan Qian, Qiyao Liang, Ila Fiete

机构 * McGovern Institute for Brain Research, Massachusetts Institute of Technology, MA 02139, U.S.A.（麦戈文脑科学研究所，麻省理工学院） ； K. Lisa Yang Integrative Computational Neuroscience Center in the Yang-Tan Collective（李嘉诚整合计算神经科学中心） ； Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology, MA 02139, U.S.A.（脑科学与认知科学系，麻省理工学院） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, MA 02139, U.S.A.（电气工程与计算机科学系，麻省理工学院） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.LG

AI总结 本研究通过受泊松噪声启发的正则化方法，揭示了神经网络中模块化连接的形成机制，并展示了其在提升鲁棒性和泛化能力方面的优势。

Love First, Know Later: Persona-Based Romantic Compatibility Through LLM Text World Engines

先爱后知：基于人设的浪漫兼容性通过LLM文本世界引擎

Haoyang Shang, Zhengyang Yan, Xuan Liu

机构 * BreathingCORE 纠错

专题命中 通用世界模型 ：environment model(abstract)；分类 cs.LG

AI总结 本文提出一种基于LLM文本世界引擎的浪漫兼容性匹配方法，通过模拟互动预测人类偏好，实现个性化匹配系统。

Comments NeurIPS 2025 Workshop: First Workshop on LLM Persona Modeling (Oral)