世界模型科学：长视界LLM代理中的自组织临界性、弱混沌和亚稳定信念动力学

Arxiv：2609.17419v2公告类型：替换摘要：长期LLM代理必须通过观察、行动、决策和工具调用的扩展序列来维护和更新世界模型。我们从自组织临界性、弱混沌和亚稳态信念动力学三个角度研究了长视界智能体的动力学。通过对受控谜题、工具使用任务、具身环境、多跳提取、一般辅助推理和生活游戏的广泛实验，我们研究了世界模型错误是如何在长期互动中发展起来的。我们发现，外部增加的任务压力会大幅增加失败的概率，而自然产生的压力只是一个适度的预测因素。错误在时间上是相关的，而不是独立的，它们的传播随着依赖深度的变化而变化，同时在有限的任务中保持有界。我们还发现，在代理的整体任务状态变得不正确后，局部有效的操作可以继续，错误结构取决于任务拓扑和水平，具体化任务中的信念状态是浅的，而不是强烈陷入错误状态。更大的视野允许更大的误差级联，但它们的规模仍然受到任务和模型能力的限制。总体而言，我们观察到了幂定律行为、与弱混沌一致的有界发散以及长时间代理相互作用中的亚稳态信念动力学。我们将这种观点称为世界模型科学：对长期代理世界模型中自组织临界性的实证研究。