論文の概要: Quo Vadis, World Modeling?

• arxiv url: http://arxiv.org/abs/2608.02713v1
• Date: Mon, 03 Aug 2026 17:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.907371
• Title: Quo Vadis, World Modeling?
• Title（参考訳）: Quo Vadis, World Modeling?
• Abstract要約: 継続的改善エージェントは静的な監視以上の動的インタラクションフィードバックを必要とするが、直接的な環境相互作用はコストが高く、遅く、安全ではない、並列化が難しい。 World Modelingは、エージェントが実際のアクションにコミットする前により低コストで制御可能なフィードバックをクエリできる、自然な中間プロキシを提供する。 この作業は、世界モデリングをエージェント中心のパラダイムに再キャストし、エージェントがよりよい計画を立て、より早く学習し、継続的に進化するための世界プロキシを構築するためのロードマップを確立する。
• 参考スコア（独自算出の注目度）: 116.2429173084643
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Continually improving agents require dynamic interaction feedback beyond static supervision, yet direct real-environment interaction is costly, slow, unsafe, and hard to parallelize. World modeling offers a natural intermediate proxy that allows agents to query lower-cost, more controllable feedback before committing to real actions. Classical world models instantiate this proxy primarily through future physical-state prediction, a formulation useful yet narrow for agents that require actionable feedback beyond raw state transitions. In this work, we conceptualize Agent-Centric Interactive World Proxies, shifting the fundamental paradigm from physical state transitions to agent-usable information transitions, such as execution outcomes, retrieved experiences or skills, and verification signals, broadening the scope of world modeling to provide versatile feedback for continually improving agents. To systematically map this design space, we organize world proxies into six functional forms based on their feedback modalities: dynamics, spatial, execution, memory/experience, skill, and reward/verification proxies, which together characterize the primary ways world modeling serves agent improvement. We further analyze how these proxies empower agents across three progressive levels: L.1 Inference-Time Guidance, where proxy outputs enrich in-context information for superior decisions; L.2 Training-Time Optimization, where proxy outputs yield rewards, critiques, or synthetic rollouts for policy learning; and L.3 Agent-Proxy Co-Evolution, where real-environment evidence continuously updates both the proxy and the agent for co-evolution. Ultimately, this work recasts world modeling into an agent-centric paradigm, establishing a roadmap for building world proxies that empower agents to plan better, learn faster, and evolve continually.
• Abstract（参考訳）: 継続的改善エージェントは静的な監視以上の動的インタラクションフィードバックを必要とするが、直接的な環境相互作用はコストが高く、遅く、安全ではない、並列化が難しい。 World Modelingは、エージェントが実際のアクションにコミットする前により低コストで制御可能なフィードバックをクエリできる、自然な中間プロキシを提供する。 古典的世界モデルは、主に将来の物理的状態予測を通じて、このプロキシをインスタンス化する。 本研究では,エージェント中心対話型世界プロキシを概念化し,基本パラダイムを物理状態遷移から,実行結果や経験,スキル,検証信号などのエージェント使用可能な情報遷移へとシフトさせ,世界モデリングの範囲を広げ,エージェントを継続的に改善するための汎用的なフィードバックを提供する。 この設計空間を体系的にマッピングするために、我々は、動的、空間的、実行的、記憶的/経験的、スキル的、報酬的/検証的プロキシという、フィードバックのモダリティに基づいて、世界のプロキシを6つの機能形式に分類する。 さらに、これらのプロキシーが3つの段階にわたるプログレッシブエージェントにどのように権限を与えるかを分析する: L.1。 Inference-Time Guidance:プロキシが優れた判断のためにコンテキスト内情報をリッチに出力するL.2 政策学習のための報酬、批評、または合成ロールアウトをプロキシが出力する訓練時間最適化、及びL.3 エージェント-プロキシ共進化(Agen-Proxy Co-Evolution) - 実環境証拠がプロキシとエージェントの両方を継続的に更新する。 最終的に、この作業は世界モデリングをエージェント中心のパラダイムに再キャストし、エージェントがよりよい計画を立て、より早く学習し、継続的に進化するための世界プロキシを構築するためのロードマップを確立する。

関連論文リスト

• Population-Scalable Multi-Agent World Modeling [27.087757709788974]
  Khoraはスケーラブルなマルチエージェントの世界モデルであり、再トレーニングせずに任意の数のエージェントへの推論時間拡張をサポートする。 我々のフレームワークは、視覚的レンダリングから世界状態の進化を分離し、他のエージェント情報を組み込むための集団に依存しないレンダリング機構を導入する。
  論文  参考訳（メタデータ） (2026-08-09T09:26:15Z)
• Self-Evolving World Models for LLM Agent Planning [72.99782619992361]
  我々はWorldEvolverを紹介した。WorldEvolverは、ダウンストリームエージェントとすべてのモデルパラメータを凍結したまま、デプロイメント時間コンテキストを更新する自己進化型ワールドモデルフレームワークである。 WorldEvolverは3つのバックボーンで最高の予測精度を達成し、下流エージェントの成功率で他のワールドモデルベースラインを導く。
  論文  参考訳（メタデータ） (2026-06-29T17:58:43Z)
• COMAP: Co-Evolving World Models and Agent Policies for LLM Agents [14.918267305899619]
  COMAPは、クローズドループインタラクションを通じてテキストワールドモデルとエージェントポリシーを共進化させる新しいフレームワークである。 各決定ステップにおいて、世界モデルは、候補行動に対する将来の状態フィードバックを予測し、エージェントは、このフィードバックの信頼性を推定して、将来の状態リフレクションを行う。 結果として生じるオンライン軌道は、自己蒸留によって世界モデルを更新するために使用され、エージェントの進化する相互作用分布によく一致する。
  論文  参考訳（メタデータ） (2026-06-01T15:21:17Z)
• Agentic Federated Learning: The Future of Distributed Training Orchestration [0.2936007114555107]
  本稿では,言語モデルに基づくエージェント(LMagent)が自律的なオーケストレーションの役割を担うフレームワークであるAgentic-FLへのパラダイムシフトを提案する。 サーバ側エージェントがコンテキスト推論によって選択バイアスを軽減する方法を示し、クライアント側エージェントがローカルな保護者として機能する。 この統合は、分散されたエコシステムへのフェデレートラーニングの進化を示唆し、インセンティブベースのモデルとアルゴリズムの正義の将来の市場への道を開いた。
  論文  参考訳（メタデータ） (2026-04-06T17:43:30Z)
• Imagine-then-Plan: Agent Learning from Adaptive Lookahead with World Models [13.90532093512575]
  エージェント学習のための統合フレームワークであるImagine-then-Plan(textttITP)を提案する。 最終目標とタスクの進捗をトレードオフすることで、適応的な新しいルックアヘッド機構を導入する。 実験の結果, TexttITP は競争ベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-01-13T19:49:58Z)
• Current Agents Fail to Leverage World Model as Tool for Foresight [61.82522354207919]
  エージェントは、行動する前に結果を予測するためにそれらを使用できます。 本稿では,現在のエージェントがそのような世界モデルを,認知力を高めるツールとして活用できるかどうかを実証的に検討する。
  論文  参考訳（メタデータ） (2026-01-07T13:15:23Z)
• Embedded Universal Predictive Intelligence: a coherent framework for multi-agent learning [57.23345786304694]
  予測学習のための枠組みと自己予測を中心とした組込みエージェントを導入する。 マルチエージェント設定では、エージェントが類似したアルゴリズムを実行している他のエージェントについて推論することができる。 我々は、AIXIの理論を拡張し、Solomonoffから始まる普遍的なインテリジェントな埋め込みエージェントについて研究する。
  論文  参考訳（メタデータ） (2025-11-27T08:46:48Z)
• A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
  エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。 我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。 コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
  論文  参考訳（メタデータ） (2025-10-13T04:07:01Z)
• The Landscape of Agentic Reinforcement Learning for LLMs: A Survey [103.32591749156416]
  エージェント強化学習(Agentic RL)の出現は、大規模言語モデル(LLM RL)に適用された従来の強化学習からパラダイムシフトを示している。 本研究では, LLM-RLの縮退した単段階マルコフ決定過程(MDPs)と, エージェントRLを定義する部分可観測マルコフ決定過程(POMDPs)とを対比することにより, この概念シフトを定式化する。
  論文  参考訳（メタデータ） (2025-09-02T17:46:26Z)
• TransAM: Transformer-Based Agent Modeling for Multi-Agent Systems via Local Trajectory Encoding [2.08099858257632]
  局所軌跡を埋め込み空間にエンコードする新しいトランスフォーマーモデルである textttTransAM を提案する。 協調型,競争型,混合型マルチエージェント環境における提案手法の性能評価を行った。
  論文  参考訳（メタデータ） (2025-08-04T18:50:37Z)

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。