Language Models, Agent Models, and World Models: The LAW for Machine Reasoning and Planning

本文是LLM系列文章，针对《Language Models, Agent Models, and World Models: The LAW for Machine Reasoning and Planning》的翻译。

摘要

尽管大型语言模型在许多应用程序中取得了巨大成功，但由于其推理、学习和建模能力的固有局限性，它们在各种（语言、具体化和社会化）场景中往往无法实现一致的推理和规划。在这篇立场论文中，我们提出了机器推理的一个新视角，即LAW，它将语言模型、代理模型和世界模型的概念联系起来，以获得更强大和通用的推理能力。特别是，我们提出世界和代理人模型是推理的更好抽象，它引入了深思熟虑的类人推理的关键元素，包括对世界和其他代理人的信念、对后果的预期、目标/回报和战略规划。至关重要的是，LAW中的语言模型充当了实现系统或其元素的后端，从而提供了计算能力和适应性。我们回顾了最近取得相关进展的研究，并讨论了未来实施法律框架的研究方向。

1 引言

2 前言：三个模型

3 LAW框架

4 讨论

我们提出了LAW框架作为公式化机器推理的一个新视角。LAW融合了信念、未来预期、目标/回报和战略规划等关键要素，旨在