世界模型

Bayes Adaptive Monte Carlo Tree Search for Offline Model-based Reinforcement Learning

贝叶斯自适应蒙特卡洛树搜索用于离线模型驱动强化学习

Jiayu Chen, Le Xu, Wentse Chen, Jeff Schneider

机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 模型式强化学习 ：model-based reinforcement learning(title,abstract)；world model(abstract)；world models(abstract)；world model(abstract)

AI总结 本文提出贝叶斯自适应蒙特卡洛树搜索算法，用于提升离线模型驱动强化学习的性能，显著优于现有方法。

Comments This paper is accepted in ICLR 2026

Scale-Consistent State-Space Dynamics via Fractal of Stationary Transformations

通过稳定变换的分形实现尺度一致的状态空间动力学

Geunhyeok Yu, Hyoseok Hwang

机构 * Department of Software Convergence, Kyung Hee University（软件融合系，庆熙大学） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出FROST方法，通过分形归纳偏置实现状态空间模型的尺度一致潜在动力学，提升模型的自适应效率和稳定性。

Comments 8 pages (excluding 2 pages of references), 3 tables, 2 figures. Appendix: 4 pages