摘要
语言智能体的世界模型有两种实用形式。基于智能体的世界模型调用LLM API并以语言形式进行灵活推理，但其错误表现为难以用普通回归损失评分的幻觉状态变化。参数化世界模型是一种经过训练的转移预测器；其错误更容易通过节点均方误差（NodeMSE）、增量准确率和有效性准确率等指标衡量，但作为独立规划器时通常较弱。我们在四个图结构规划基准上比较了这两类模型，并针对基于智能体的情形引入了操作性幻觉指标。这一比较催生了接地迭代语言规划（GILP），该方法仅训练一个小型参数化主干网络，并将其与基于API的智能体推理相结合。主干网络提供有效动作、预测状态增量、风险和价值；LLM草拟动作和想象增量；当两者不一致时，一致性门控要求进行修订。在真实的GPT-4o-mini调用中，GILP将幻觉状态率从0.176降至0.035。在校准的模拟器消融实验中，该方法在仅增加约22%额外LLM调用的情况下，将成功率从0.668提升至0.838。