【强化学习正在从游戏玩家进化为世界模拟器的引擎】这份来自Zihan Ding的博士论文系统梳理了强化学习（RL）的范式转移：从早期在博弈论和电子游戏中寻找多智能体纳什均衡，转向利用生成式大模型构建可交互的“世界模型”。研究涵盖了基于扩散模型的环境模拟、长程记忆架构以及如何将生成模型直接作为策略类来优化决策。目前行业关注点多集中在对话调优的RLHF，但这份工作揭示了更深层的趋势：RL正成为连接感知与行动的粘合剂。当大模型具备了预测未来的能力，RL的作用就不再是盲目试错，而是在模型生成的虚拟空间里进行高效规划。这意味着未来的智能体不仅能生成内容，更能通过理解物理世界的因果律来处理复杂任务，RL正从一种算法演变为大模型时代的决策中枢。 arxiv.org/abs/2607.17560