本研究探讨了变压器模型在迷宫任务中形成的因果世界模型，利用稀疏自编码器和注意力模式分析，揭示了模型构建及其因果作用，表明模型能够超越输入特征，增强对自发结构的理解。

本文提出了一种基于因果世界模型的可解释强化学习框架，旨在捕捉行为的长期影响并提高模型的可解释性。研究表明，该框架在任务预测和信任方面表现优越，并探讨了因果结构学习与策略指导的结合，提出了新的探索方法，提升了强化学习的有效性和稳健性。