arXiv · ML· Kaixuan Liu, Guojun Xiong, Weinan Zhang, Shengpu Tang·· 23 小时前AI 评分31
ADWM 自回归扩散世界模型用于 LLM Agent 离线策略评估
Autoregressive Diffusion World Models for Off-Policy Evaluation of LLM Agents
AI 导读
针对 LLM Agent 在线评估成本高、风险大，论文提出 ADWM 评估框架。 该框架通过潜空间扩散模型模拟环境响应，利用策略条件得分函数引导生成，实现离线轨迹的逐步可靠推演，避免了复合误差。 实验证明 ADWM 在多种多轮交互任务中能准确评估新策略性能。
来源：arXiv · ML · arxiv.org