基于世界模型预测路径的自改进 LLM 智能体

研究者提出一种受 MPPI 控制启发的测试时框架，让 LLM 智能体在每一步生成多个候选动作并用世界模型想象其结果，无需在环境中实际执行即可比较备选方案。由于语言环境不提供显式动力学与代价，预测结果按任务进展和风险评估，并以 MPPI 式权重引导最终决策。