Pinductor：利用LLM先验从观测学习POMDP世界模型
原帖
**利用语言模型先验从观测中学习POMDP世界模型**
_Learning POMDP World Models from Observations with Language-Model Priors_
> 本文提出Pinductor（POMDP-inductor），一种利用大型语言模型（LLM）作为先验，从少量观察-动作轨迹中生成并迭代优化部分可观察马尔可夫决策过程（POMDP）世界模型的方法。该方法无需特权访问隐藏状态，却能达到与同类方法相当的性能与样本效率，并显著优于表格化POMDP基线。研究还表明，其性能随LLM能力提升而提升，即使在环境语义信息被部分屏蔽时也能表现良好。这表明，语言模型先验是实现样本高效、部分可观察环境下世界模型学习的实用工具，也是迈向现实世界通用智能体的重要一步。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.13740)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
论文提出Pinductor方法，利用大型语言模型作为先验，从少量观察-动作轨迹生成并优化POMDP世界模型，无需访问隐藏状态，性能随LLM能力提升而提升。
答案说明
Pinductor是一种利用语言模型先验从观测中学习POMDP世界模型的方法，无需特权访问隐藏状态，能达到与同类方法相当的性能与样本效率。
这篇帖子回答的问题
- 什么是Pinductor方法？
- Pinductor方法与现有方法相比有何优势？
核心观点
- Pinductor利用大型语言模型作为先验，从少量观察-动作轨迹中学习POMDP世界模型
- 该方法性能随LLM能力提升而提升，语言模型先验是实现样本高效世界模型学习的实用工具
FAQ
- Q: Pinductor方法如何工作？
- A: Pinductor利用大型语言模型作为先验，从少量观察-动作轨迹中生成并迭代优化POMDP世界模型
关键实体
- Pinductor
- 大型语言模型
- POMDP