分布社会世界模型 DSWM 预测社会互动的多元后果

研究人员提出分布社会世界模型（DSWM），通过单次输出预测候选动作的多种可能响应、概率及价值，解决了单一预测忽略重要备选方案的问题。 该模型基于 4B 参数规模，利用监督微调与 GRPO 在重复模拟上进行训练。在 15 项指标中平均表现最优，且在 5 个环境中验证了保留多个未来预测及概率的有效性。