2.1 KiB
2.1 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 多步规划 (Multi-Step Planning) | 2026-06-08 | 2026-06-08 | concept |
|
|
多步规划 (Multi-Step Planning)
智能系统应具备的核心能力之一，LeCun 认为 LLM 缺失的第二大能力。在多种可能的行动路径之间搜索最优方案。
核心关系
搜索以预测为前提。
- 没有world-model-lecun告诉系统"走这条路会到哪里" → 搜索只能盲目试错
- 有预测能力后：推进一步→评估结果→调整方向→再推进 → "预测→评估→修正"闭环
为什么不能穷举搜索？
围棋 19×19 棋盘合法局面数约 $10^{170}$，超过宇宙原子总数。AlphaGo Zero 之所以成功，是因为训练出了价值网络——一个简化的世界模型，让搜索从漫无目的的穷举变成有方向的剪枝。
LLM vs 世界模型的搜索差异
| 维度 | LLM (CoT/ToT) | 世界模型 (JEPA) |
|---|---|---|
| 搜索空间 | 语言空间（token序列） | 状态空间（抽象表征） |
| 比较对象 | "哪段推理链读起来更合理" | "执行这个行动后现实状态会变成什么" |
| 本质 | 换一种"说法" | 换一种"走法" |
语言空间的搜索和真实世界状态空间之间存在一道没有被填上的 gap——这是 LLM 搜索能力的根本瓶颈。
JEPA 中的多步规划
jepa 的搜索直接在世界模型构建的状态空间中进行：
- Actor 提出候选行动
- 世界模型预测每个行动后的状态
- 成本模块评估距目标的远近
- 调整行动方案 → 滚动多步 → 真正的多步规划
不只是在"生成一段听起来合理的推理文字"。
局限
JEPA 能否在开放世界中完成可靠多步规划仍是开放问题——现实状态空间远比围棋复杂，没有明确规则和胜负信号。