論文の概要: Agent-Editing World Model: Rethinking World Modeling for LLM Agents

• arxiv url: http://arxiv.org/abs/2609.28416v1
• Date: Wed, 23 Sep 2026 17:18:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.131667
• Title: Agent-Editing World Model: Rethinking World Modeling for LLM Agents
• Title（参考訳）: エージェント編集世界モデル: LLMエージェントの世界モデリングの再考
• Abstract要約: 推論と行動が今後のタスク進捗を形作る方法をモデル化したtextbfAgent-Editing World Model (AEWM) を提案する。 私たちは、中級のトレーニングと教師ありの微調整を通じて、検索、ターミナル、ソフトウェアエンジニアリングでAEWMを訓練します。 6つのベンチマークと3つのエージェントバックボーンで、EditActは最強のベースラインで平均スコアを3.2～6.7ポイント改善する。
• 参考スコア（独自算出の注目度）: 109.62118155342641
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in large language models (LLMs) have enabled agents to tackle long-horizon tasks across diverse environments. To further improve agent performance, existing language world models typically predict environment observations, yet reconstructing high-entropy, execution-dependent tool responses offers limited value when real feedback is available. Meanwhile, agents suffer from \emph{task-state contamination}, where unsupported assumptions and outdated plans persist in history and distort subsequent decisions. We propose the \textbf{Agent-Editing World Model (AEWM)}, which models how reasoning and actions shape future task progress rather than simulating tool responses. AEWM combines \textbf{Action Judge} to distinguish \textsc{Critical}, \textsc{Exploratory}, and \textsc{Noisy} decisions with \textbf{State Revision} to edit noisy reasoning--action continuations from the same observed history. \textbf{EditAct} integrates these capabilities with real execution, directly changing the state underlying subsequent decisions rather than merely providing critiques. We train AEWM across Search, Terminal, and Software Engineering through mid-training and supervised fine-tuning. AEWM achieves 70.5\% macro-F1 on our Action Judge benchmark, exceeding the strongest frontier baseline by 10.6 points. Across six benchmarks and three agent backbones, EditAct improves average scores by 3.2--6.7 points over the strongest baseline. Furthermore, rejection sampling fine-tuning on verified EditAct trajectories, termed \textbf{AEWM-RFT}, improves over Self-RFT by 2.2--2.6 points across three domains without online AEWM guidance.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩により、エージェントは多様な環境にまたがる長距離タスクに対処できるようになった。 エージェントのパフォーマンスをさらに向上させるために、既存の言語ワールドモデルは環境観測を予測しているが、高エントロピーで実行に依存したツール応答を再構築することは、実際のフィードバックが利用可能である場合に限られた価値を提供する。 一方、エージェントは 'emph{task-state contamination' に苦しむ。 本稿では,推論と行動がツール応答をシミュレートするよりも,今後のタスクの進行をいかに形成するかをモデル化する,AEWM(textbf{Agent-Editing World Model)を提案する。 AEWM は \textbf{Action Judge} を区別して \textsc{Critical} 、 \textsc{Exploratory} 、 \textsc{Noisy} を \textbf{State Revision} と組み合わせて、ノイズのある推論-アクション継続を同じ観測履歴から編集する。 \textbf{EditAct} はこれらの機能を実際の実行と統合する。 私たちは、中級のトレーニングと教師ありの微調整を通じて、検索、ターミナル、ソフトウェアエンジニアリングでAEWMを訓練します。 AEWMはAction Judgeベンチマークで70.5\%のマクロF1を達成し、最強のフロンティアベースラインを10.6ポイント上回る。 6つのベンチマークと3つのエージェントバックボーンで、EditActは最強のベースラインで平均スコアを3.2～6.7ポイント改善する。 さらに、認証されたEditAct トラジェクトリの微細調整を「textbf{AEWM-RFT}」と呼び、オンラインAEWMガイダンスなしで3つのドメインで2.2～2.6ポイント改善する。

関連論文リスト

• AutoWorldModel-Bench: A State-Centric Benchmark for Automated World-Model Research [39.68061830142623]
  AutoWorldModel-Benchは、AIコーディングエージェントが自律的な研究者として機能するベンチマークである。 各ゲームから抽出された構造化状態表現-地上実体状態の下で8つのゲーム環境にまたがる。 我々のベンチマークでは、工学と特殊の問題ではなく、オープンな研究でフロンティアコーディングエージェントを評価できる設定を提供しています。
  論文  参考訳（メタデータ） (2026-07-20T23:35:45Z)
• ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
  textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。 私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
  論文  参考訳（メタデータ） (2026-05-13T21:34:08Z)
• ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
  $textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。 Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
  論文  参考訳（メタデータ） (2026-05-11T16:20:51Z)
• Masked Diffusion Language Models are Strong and Steerable Text-Based World Models for Agentic RL [0.8546394944138487]
  我々は、テキストベースの世界モデリングを、初期状態に分解可能な遷移力学問題として定式化する。 我々は、9つのオープンソース環境と12のフロンティアモデルファミリーにまたがる239,403の基底状態行動軌跡をキュレートする。 我々は,決定論的状態チェックを備えたGRPOトレーニングフレームワークを導入し,3つのOOD環境上でゼロショット転送処理を行う。
  論文  参考訳（メタデータ） (2026-05-07T00:40:32Z)
• Beyond State Consistency: Behavior Consistency in Text-Based World Models [58.216587360435305]
  本研究では,世界モデルと実環境の機能的整合性を改善することを目的とした,行動整合性トレーニングパラダイムを提案する。 WebShopとTextWorldの実験では、BehRベースのトレーニングによって、いくつかの設定における長期的なアライメントが改善されている。
  論文  参考訳（メタデータ） (2026-04-15T12:56:45Z)

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。