反事实干预可视化PPO价值函数世界模型

2026年10月14日，arXiv Artificial Intelligence 刊出 Shawheen Naderi、Fatemeh Akherati、Yubei Chen 的研究，用反事实干预方法探究 PPO 智能体的价值函数是否在 Crafter 环境中形成世界模型：在固定状态其余部分、只改变目标变量的条件下进行可视化。结果显示，尽管该价值函数只以优化奖励为目标训练，仍学到了钻石何时可收集的规则、水和食物影响健康、以及库存启发式等概念。作者还讨论了这些可视化带来的安全启示，以及当前强化学习智能体阻碍构建真正先进机器智能的一些缺陷。截至本版，尚无后续跟进报道，也未出现与上述说法相矛盾的数字或时间表述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。