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通过调用 LLM API 并以语言进行灵活推理，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 NodeMSE、delta 准确率和有效性准确率等指标衡量，但作为独立规划器通常较弱。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 Grounded Iterative Language Planning（GILP），该方法仅训练一个小型参数化骨干网络，并将其与基于 API 的智能体推理相结合。骨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；一致性门控在两者不一致时要求修订。在实际 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，它在仅增加约 22% 额外 LLM 调用的情况下，将成功率从 0.668 提升至 0.838。