Beyond Myopic World Models: Long-Horizon End-to-End Training for Direct Future Prediction
超越短视世界模型：面向直接未来预测的长时域端到端训练
🧭 世界模型长时域训练范式
University of California, Davis
提出直接预测终端状态的训练范式，避免递归误差累积，显著提升长时域预测精度
📌 工作参考价值（4 点）
- 长序列动作效果评估：在电商广告序列投放或对话式推荐中，可通过直接优化最终转化/满意度目标的训练方式，替代单步奖励预测的误差累积，提升长期效果的预估精度。
- Planning 与 Agent 决策：方法可直接用于生成式 Agent 的多步规划，将动作序列编码为单一嵌入后预测终点状态，避免自回归展开的推理不稳定性和高昂计算成本。
- 轨迹级别的损失设计：在用户行为序列建模（如 session-based 推荐）中，可以借鉴端点回归的思想，直接优化对最后交互 item 的预测，而非每一步的 next-item 预测，可能提升高价值末尾行为的召回。
- 非递归架构设计：DPWM 的并行化动作序列编码模式（如 Transformer 或卷积）可直接迁移到广告序列生成模型中，将整段预算分配计划压缩为平面表示，一次性预测最终效果，加速在线求解。