世界模型

LLM-Based World Models Can Make Decisions Solely, But Rigorous Evaluations are Needed

基于LLM的世界模型可以独立做出决策，但需要严谨的评估

Chang Yang, Xinrun Wang, Junzhe Jiang, Qinggang Zhang, Xiao Huang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Singapore Management University（新加坡国立大学） 纠错

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

AI总结 本文从决策视角出发，对基于LLM的世界模型进行综合评估，设计了政策验证、行动提案和政策规划三项任务，评估了GPT-4o和GPT-4o-mini在不同环境中的表现，发现LLM世界模型在长期决策任务中性能下降，且不同功能组合会引入额外的不稳定性。

Comments Accepted to TMLR

CausalARC: Abstract Reasoning with Causal World Models

CausalARC：基于因果世界模型的抽象推理

Jacqueline Maasch, John Kalantari, Kia Khezeli

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

AI总结 CausalARC通过因果世界模型进行低数据和分布外推理，结合原则性数据增强提供少量示例反馈，用于评估语言模型在抽象推理、反事实推理、程序合成和因果发现中的表现。

Comments Peer-reviewed workshop paper

Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Bridging Language, Agent, and World Models (LAW)

Enactor: From Traffic Simulators to Surrogate World Models

Enactor：从交通模拟器到替代世界模型

Yash Ranjan, Rahul Sengupta, Anand Rangarajan, Sanjay Ranka

机构 * Department of CISE, University of Florida（佛罗里达大学计算机与信息科学系） 纠错

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

AI总结 本文提出一种基于transformer的生成模型，用于捕捉交通参与者间的复杂交互并生成物理一致的轨迹，通过模拟循环测试，展示了在长时间范围内优于传统方法的性能。

DriveTok: 3D Driving Scene Tokenization for Unified Multi-View Reconstruction and Understanding

DriveTok: 3D驾驶场景分词用于统一多视角重建与理解

Dong Zhuo, Wenzhao Zheng, Sicheng Zuo, Siming Yan, Lu Hou, Jie Zhou, Jiwen Lu

机构 * Tsinghua University（清华大学） ； Yinwang Intelligent Technology Co. Ltd.（云网智能科技有限公司） 纠错

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

AI总结 DriveTok通过3D变形交叉注意力实现高效多视角重建与理解，整合语义、几何与纹理信息，提升多视角分词效率与一致性。

Comments Project Page: https://paryi555.github.io/DriveTok/ Code: https://github.com/paryi555/DriveTok

Trajectory Landscapes for Therapeutic Strategy Design in Agent-Based Tumor Microenvironment Models

基于轨迹景观的 agent 基础肿瘤微环境模型中治疗策略设计

Eric Cramer, Laura M. Heiser, Young Hwan Chang

专题命中 通用世界模型 ：environment model(title)

AI总结 本文提出利用 agent 基础模型生成轨迹集构建低维轨迹景观，结合概率马尔可夫状态模型和患者影像数据，设计基于模拟的治疗策略，适用于部分观测生物系统。

Application Management in C-ITS: Orchestrating Demand-Driven Deployments and Reconfigurations

C-ITS中的应用管理：协调需求驱动的部署与重新配置

Lukas Zanger, Bastian Lampe, Lennart Reiher, Lutz Eckstein

机构 * Institute for Automotive Engineering (ika), RWTH Aachen University（汽车工程研究所（ika），亚琛工业大学） 纠错

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

AI总结 本文提出一种基于云原生技术的需求驱动应用管理方法，利用Kubernetes和ROS 2框架，解决C-ITS中动态环境下的应用部署与重新配置问题，提升资源利用率。

Comments 7 pages, 2 figures, 2 tables; Accepted to be published as part of the 2025 IEEE International Conference on Intelligent Transportation Systems (ITSC 2025), Gold Coast, Australia, November 18-21, 2025

Journal ref 2025 IEEE 28th International Conference on Intelligent Transportation Systems (ITSC)

When Validation Fails: Cross-Institutional Blood Pressure Prediction and the Limits of Electronic Health Record-Based Models

当验证失败时：跨机构血压预测与基于电子健康记录模型的局限性

Md Basit Azam, Sarangthem Ibotombi Singh

机构 * Dept of CSE, Tezpur University, Tezpur, Assam, INDIA.（计算机科学与工程系，泰浦大学，泰浦，阿萨姆，印度） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文研究了跨机构血压预测模型的局限性，发现内部验证表现良好但外部验证效果差，揭示了机构间差异对模型泛化能力的影响。

Cliqueformer: Model-Based Optimization with Structured Transformers

Cliqueformer: 基于结构变换器的模型优化

Jakub Grudzien Kuba, Pieter Abbeel, Sergey Levine

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 Cliqueformer通过功能图模型学习黑盒函数结构，提升模型优化性能，适用于蛋白质工程和材料发现等设计任务。

MLA: A Multisensory Language-Action Model for Multimodal Understanding and Forecasting in Robotic Manipulation

MLA：一种多感官语言-动作模型，用于机器人操作中的多模态理解和预测

Zhuoyang Liu, Jiaming Liu, Jiadong Xu, Nuowei Han, Chenyang Gu, Hao Chen, Kaichen Zhou, Renrui Zhang, Kai Chin Hsieh, Kun Wu, Zhengping Che, Jian Tang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机科学学院，北京大学） ； Beijing Innovation Center of Humanoid Robotics (X-Humanoid)（北京类人机器人创新中心（X-Humanoid）） ； The Chinese University of Hong Kong (CUHK)（香港中文大学（CUHK）） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 本文提出MLA模型，通过多感官融合与未来目标预测，提升机器人在复杂接触任务中的操控能力，实验显示其在2D和3D任务中性能优于现有方法。

Comments Project page: https://robotic-mla.github.io/

DAVIS: Planning Agent with Knowledge Graph-Powered Inner Monologue

DAVIS：基于知识图谱的规划代理

Minh Pham Dinh, Munira Syed, Michael G Yankoski, Trenton W. Ford

机构 * Davis Institute for Artificial Intelligence（戴维斯人工智能研究所） ； Colby College（科伯学院） ； University of Notre Dame（圣约翰大学） ； William & Mary（威廉与玛丽学院） 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

AI总结 本文提出DAVIS，一种基于知识图谱的规划代理，通过结构化和时间记忆实现模型驱动规划，并采用多轮检索系统提升科学任务处理能力，在ScienceWorld基准测试中表现优异。

Comments Accepted to EMNLP 2025 Findings