大型語言模型（LLM）智慧體在執行復雜規劃任務時，通常依賴內部世界模型來模擬環境狀態變化。然而，現有世界模型存在兩種截然不同的形式，各有優劣。基於智慧體的世界模型透過呼叫LLM API進行靈活的語言推理，能夠處理廣泛的任務，但其錯誤表現為難以用傳統迴歸損失量化的幻覺狀態變化。相比之下，引數化世界模型作為訓練好的狀態轉移預測器，其誤差可以透過節點均方誤差（NodeMSE）、增量準確率和有效性準確率等指標精確測量，但作為獨立規劃器時效能往往不足。
來自arXiv的研究團隊在論文《Grounded Iterative Language Planning: How Parameterized World Models Reduce Hallucination Propagation in LLM Agents》中系統比較了這兩類世界模型，並提出了創新的GILP框架。該工作將兩類模型的優勢巧妙結合：僅訓練一個輕量級的引數化骨幹網路，負責提供有效動作、預測狀態增量、風險和價值評估；而LLM則負責起草動作和想象的增量。關鍵創新在於一致性門控機制——當骨幹網路的預測與LLM的推理不一致時，門控會觸發修訂過程，從而有效抑制幻覺傳播。
研究團隊在四個圖結構規劃基準上進行了嚴格評估。實驗表明，在使用真實GPT-4o-mini API呼叫時，GILP將幻覺狀態率從0.176大幅降低至0.035，降幅達80%。在校準模擬器的消融實驗中，GILP將任務成功率從0.668提升至0.838，而額外LLM呼叫僅增加約22%。這一結果證實了混合架構在保持推理靈活性的同時，能夠顯著提升規劃可靠性。
從技術角度看，GILP提供了一種平衡模型選擇、推理成本和產品能力的新思路。對於需要高可靠性的AI應用（如自主導航、任務規劃），該方法可有效減少因幻覺導致的關鍵錯誤。同時，由於額外LLM呼叫開銷可控，該框架具有良好的實際部署前景。論文還引入了針對智慧體世界模型的操作性幻覺度量，為後續研究提供了標準化評估工具。
總體而言，GILP方法透過結合引數化模型的可度量性和LLM的靈活性，為減少LLM智慧體中的幻覺傳播開闢了新路徑。該工作對推動更可靠的AI規劃系統發展具有重要意義，尤其適用於需要精確狀態追蹤的複雜決策場景。