世界模型仿真规划(WMSP)

智能体维护一个世界模型（或直接将 LLM 本身用作世界模型），用它预测每个候选动作的下一状态和后果，然后在真实环境中执行任何操作之前，运行前瞻式推演（“先想象，再行动”）来对动作进行评分和选择。这将基于模型的强化学习扩展到语言智能体，在动作不可逆、且无法在线上网站或 GUI 上回退的场景中尤为重要。它不同于 scenario-planning，后者在没有动作-后果模拟器的情况下对若干战略性未来进行推理；也不同于 reflective-mcts，后者搜索的是推理轨迹，而非模拟的环境状态。