論文の概要: Qwen-AgentWorld: Language World Models for General Agents

• arxiv url: http://arxiv.org/abs/2606.24597v1
• Date: Tue, 23 Jun 2026 13:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.99419
• Title: Qwen-AgentWorld: Language World Models for General Agents
• Title（参考訳）: Qwen-AgentWorld: 汎用エージェントのための言語世界モデル
• Authors: Yuxin Zuo, Zikai Xiao, Li Sheng, Fei Huang, Jianhong Tu, Yuxuan Liu, Tianyi Tang, Xiaomeng Hu, Yang Su, Qingfeng Lan, Yantao Liu, Qin Zhu, Yinger Zhang, Bowen Yu, Haiquan Zhao, Haiyang Xu, Jianxin Yang, Jiayang Cheng, Junyang Wang, Lianghao Deng, Mingfeng Xue, Tianyi Bai, Yang Fan, Yubo Ma, Yucheng Li, Zeyu Cui, Zhihai Wang, Zhihui Xie, Zhuorui Ye, An Yang, Dayiheng Liu, Jingren Zhou, Ning Ding,
• Abstract要約: 世界モデルは、現在の観測と行動に基づいて環境力学を予測する。 3段階のトレーニングパイプラインを通じてQwen-AgentWorldを開発した。 Qwen-AgentWorldはエージェントRLのための数千の現実世界環境のスケーラブルで制御可能なシミュレーションをサポートする。
• 参考スコア（独自算出の注目度）: 91.26917996662104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A world model predicts environment dynamics based on current observations and actions, serving as a core cognitive mechanism for reasoning and planning. In this work, we investigate how world modeling based on language models can further push the boundaries of general agents. (i) We first focus on building foundation models for agentic environment simulation. We introduce Qwen-AgentWorld-35B-A3B and Qwen-AgentWorld-397B-A17B, the first language world models capable of simulating agentic environments covering 7 domains via long chain-of-thought reasoning. Leveraging more than 10M environment interaction trajectories of 7 domains in real-world environments, we develop Qwen-AgentWorld through a three-stage training pipeline: CPT injects general-purpose world modeling capabilities from the state transition dynamics and augmented professional corpora, SFT activates next-state-prediction reasoning, and RL sharpens simulation fidelity through a tailored framework with hybrid rubric-and-rule rewards. To evaluate language world models, we present AgentWorldBench, a comprehensive benchmark constructed from real-world interactions of 5 frontier models on 9 established benchmarks. Empirical results demonstrate that Qwen-AgentWorld significantly outperforms existing frontier models. (ii) Beyond foundation models, we further investigate two complementary paradigms through which world modeling enhances general agents. First, as a decoupled environment simulator, Qwen-AgentWorld supports scalable and controllable simulation of thousands of real-world environments for agentic RL, yielding gains that surpass real-environment training alone. Second, as a unified agent foundation model, world-model training acts as a highly effective warm-up that improves downstream performance across 7 agentic benchmarks. Code: https://github.com/QwenLM/Qwen-AgentWorld
• Abstract（参考訳）: 世界モデルは、現在の観察と行動に基づいて環境力学を予測し、推論と計画のコア認知メカニズムとして機能する。 本研究では,言語モデルに基づく世界モデリングが汎用エージェントの境界をさらに推し進める方法について検討する。 (i)エージェント環境シミュレーションの基礎モデルの構築に着目する。 Qwen-AgentWorld-35B-A3BとQwen-AgentWorld-397B-A17Bを紹介する。 CPTは状態遷移ダイナミクスと強化されたプロフェッショナルコーパスから汎用的な世界モデリング機能を注入し、SFTは次の状態予測推論を活性化し、RLはハイブリッドルビリックとルルの報酬を備えた調整されたフレームワークによってシミュレーションフィリティを向上する。 言語世界モデルを評価するために,9つの確立されたベンチマーク上で,5つのフロンティアモデルの実世界インタラクションから構築された総合ベンチマークであるAgentWorldBenchを提案する。 実証的な結果は、Qwen-AgentWorldが既存のフロンティアモデルを大幅に上回っていることを示している。 (II)基礎モデル以外にも,世界モデリングが汎用エージェントを強化する2つの相補的パラダイムについても検討する。 まず、切り離された環境シミュレータとして、Qwen-AgentWorldはエージェントRLのための数千の現実世界環境のスケーラブルで制御可能なシミュレーションをサポートし、実際の環境トレーニングを単独で超越した利益を得る。 第2に、統一エージェント基盤モデルとして、ワールドモデルトレーニングは、7つのエージェントベンチマークで下流のパフォーマンスを向上させる、非常に効果的なウォームアップとして機能する。 コード:https://github.com/QwenLM/Qwen-AgentWorld

関連論文リスト

• Agent World Model: Infinity Synthetic Environments for Agentic Reinforcement Learning [62.499592503950026]
  大規模言語モデル(LLM)は、ツールや環境とのマルチターンインタラクションを必要とする複雑なタスクを実行するために、自律エージェントに権限を与えている。 完全合成環境生成パイプラインであるエージェント・ワールド・モデル(AWM)を提案する。 私たちは、エージェントがリッチなツールセットと対話できる、毎日のシナリオをカバーする1,000の環境にスケールします。
  論文  参考訳（メタデータ） (2026-02-10T18:55:41Z)
• Agent2World: Learning to Generate Symbolic World Models via Adaptive Multi-Agent Feedback [51.22403664895878]
  Agent2Worldは、強力な推論時ワールドモデル生成を実現するツール拡張マルチエージェントフレームワークである。 また、マルチエージェントフィードバックの生成を基盤にすることで、教師付き微調整のためのデータエンジンとしても機能する。
  論文  参考訳（メタデータ） (2025-12-26T18:54:14Z)
• VAGEN: Reinforcing World Model Reasoning for Multi-Turn VLM Agents [130.70999337445468]
  言語モデル(LLM)エージェントと比較して、視覚言語モデル(VLM)エージェントを訓練する際の重要な課題は、テキスト状態から複雑な視覚観察に移行することである。 VLMエージェントは、明示的な視覚状態推論によって内部世界モデルを構築することができるか? 我々は、強化学習(RL)を通して、エージェントの推論プロセスを建築的に実施し、報奨する。 エージェントの状態推定と遷移モデリングへの推論が成功に不可欠であることが分かりました。
  論文  参考訳（メタデータ） (2025-10-19T16:05:07Z)
• World Model Implanting for Test-time Adaptation of Embodied Agents [29.514831254621438]
  具体的AIにおいて、永続的な課題は、エージェントが広範なデータ収集や再トレーニングを必要とせずに、新しいドメインへの堅牢な適応を可能にすることである。 本稿では、大規模言語モデルの推論能力と、独立に学習されたドメイン固有世界モデルを組み合わせた世界モデル埋め込みフレームワーク(WorMI)を提案する。 我々は、VirtualHomeとALFWorldのベンチマークでWorMIを評価し、いくつかのLSMベースのアプローチと比較して、ゼロショットと少数ショットのパフォーマンスが優れていることを示した。
  論文  参考訳（メタデータ） (2025-09-04T07:32:16Z)
• SimuRA: A World-Model-Driven Simulative Reasoning Architecture for General Goal-Oriented Agents [15.91448165400836]
  SimuRAは汎用エージェント推論のための目標指向アーキテクチャである。 我々は、オープンソースの研究デモとして、SimuRA上に構築されたWebブラウジングエージェントReasonerAgent-Webをリリースした。
  論文  参考訳（メタデータ） (2025-07-31T17:57:20Z)
• Multimodal Dreaming: A Global Workspace Approach to World Model-Based Reinforcement Learning [6.747704665696368]
  強化学習(Reinforcement Learning, RL)では、世界モデルはエージェントの行動に応じて環境がどのように進化するかを捉えることを目的としている。 潜在空間内での夢のプロセスの実行は、より少ない環境ステップでのトレーニングを可能にすることを示す。 我々は、GWとWorld Modelsの組み合わせは、RLエージェントの意思決定を改善する大きな可能性を秘めていると結論づける。
  論文  参考訳（メタデータ） (2025-02-28T15:24:17Z)
• Masked Generative Priors Improve World Models Sequence Modelling Capabilities [23.48066383072968]
  Masked Generative Modellingはより効率的で優れた帰納的バイアスとして登場した。 GIT-STORMは、Atari 100kベンチマークでRLタスクのパフォーマンスが大幅に向上したことを示している。 トランスフォーマーをベースとした世界モデルが初めて連続行動環境に適用し、先行研究における大きなギャップに対処する。
  論文  参考訳（メタデータ） (2024-10-10T11:52:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。