arXiv · AI· Jiayi Luo, Yang Zhang, Liliang Chen, Nan Wang, Chen Gao, Boxiang Qiu, Zhuoxuan Li, Baorui Peng, Chuankang Li, Yuxiang Yan, Si Liu, Qingyun Sun, Shuicheng Yan, Maoqing Yao, Jianxin Li, Guanghui Ren·· 5 小时前AI 评分26
Rollback：基于世界模型经验回溯的策略改进方法
Rollback: Experience Backtracking in World Models for Policy Improvement
AI 导读
Rollback 提出一种新范式，将世界模型转化为反事实引擎，通过回溯关键决策点并分支探索替代行动，归因成功结果。 在分布式搜索与异步真机执行中，世界模型侧通过轻量 LoRA 管道利用真实数据校正动力学。 在三个真实任务中，Rollback 比最强基线分别提升成功率 10.67%、11.11% 和 11.85%，训练 8 小时内超越人类平均水平。
来源：arXiv · AI · arxiv.org