利用分布型世界模型预测社交后果

研究人员提出分布型社会世界模型 DSWM，能在单次输出中直接预测候选动作的多重备选响应、对应概率及结果价值。该模型参数量为 4B，采用监督微调与 GRPO 训练而成，推理时供智能体评估潜在后果以选择动作。在 3 个已见环境和 2 个未见环境中，DSWM 在 15 项指标中的 13 项取得了最佳平均表现。