論文の概要: World Agent: Can Language Models Keep a World Running?

• arxiv url: http://arxiv.org/abs/2609.32692v1
• Date: Sat, 26 Sep 2026 14:55:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 21:13:23.879266
• Title: World Agent: Can Language Models Keep a World Running?
• Title（参考訳）: 世界エージェント:言語モデルは世界を維持することができるか?
• Abstract要約: 本稿では,納品時点から以降の継続運用まで,世代評価点を移動させる世界エージェントタスクを提案する。 このタスクでは、モデルが世界を生成するよう要求されることはない。世界を維持する責任は、イベントを調整し、その後の進化を抑えるために結果を進めることである。
• 参考スコア（独自算出の注目度）: 48.26717201282349
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World models are moving from generating realistic frames to generating playable worlds, yet whether a delivered world can keep running is not tested anywhere. Existing evaluations stop at generation, at delivery, or at single-step transitions, and each stops at a different point along the way. Correct local state transitions or intermediate outcomes do not guarantee a correctly organized causal event flow. We propose the world agent task, which moves the evaluation point of world generation from the moment of delivery to the continued operation that follows. In this task, a model is not asked to generate a world. It is held responsible for keeping the world running, which requires coordinating events and carrying forward their consequences to constrain subsequent evolution. We instantiate the task in WorldAgent-Benchmark with two complementary tracks. In the maintenance track, the model must ground the events of a continuous narrative into correct transitions of the explicit world state while respecting causal, temporal, and concurrency constraints. In the deduction track, the model must predict how the world will evolve under partial observations and act toward a goal. The maintenance track combines LLM-assisted semantic judgments with programmatic validation and scoring, while the deduction track is evaluated entirely programmatically. Individual judgments are auditable against world states and execution logs, and scores can be recomputed from the saved judgments and execution records. Across 8 models, scores decline steadily as pre-built structure is removed from the world, and causal-relation checking is the weakest component for every model. The benchmark makes the continued operation of a world measurable and distinguishes local completion from failures in event organization. Code and dataset will be released on https://github.com/HCPLab-SYSU/WorldAgent-Benchmark.
• Abstract（参考訳）: 現実的なフレームからプレイ可能な世界へと、世界モデルは移行しています。 既存の評価は、生成時、デリバリ時、またはシングルステップの移行時に停止し、各評価は途中で異なるポイントで停止する。 正しい局所状態遷移や中間結果により、適切に組織化された因果イベントフローが保証されない。 本稿では,世界エージェントタスクを提案する。このタスクは,納品時点から以降の継続運用までの世界の評価ポイントを移動させる。 このタスクでは、モデルは世界を生成するように求められません。 イベントを調整し、その後の進化を抑えるためにその成果を前進させる必要がある。 We instantiate the task in WorldAgent-Benchmark with two complementary track。 メンテナンストラックでは、モデルは連続した物語の出来事を、因果的、時間的、並行性の制約を尊重しながら、明示的な世界状態の正しい遷移に基礎付けなければならない。 推論トラックでは、モデルが部分的な観測の下で世界がどのように進化するかを予測し、目標に向かって行動しなければならない。 メンテナンストラックは、LCMが支援する意味判断とプログラムによる検証とスコアを組み合わせ、推論トラックは、完全にプログラム的に評価される。 個々の判断は、世界国家と実行ログに対して監査可能であり、保存された判断と実行レコードからスコアを再計算することができる。 8モデル全体で、事前構築された構造が世界から取り除かれるにつれてスコアは着実に低下し、因果関係チェックは各モデルにとって最も弱いコンポーネントである。 このベンチマークは、ワールドの継続的な操作を計測可能とし、イベント組織における障害と局所的な完了を区別する。 コードとデータセットはhttps://github.com/HCPLab-SYSU/WorldAgent-Benchmarkでリリースされる。

関連論文リスト

• CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
  VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。 本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
  論文  参考訳（メタデータ） (2026-09-21T05:14:34Z)
• World-Time Compute with Verified Code World Models [0.42887516758046246]
  LLMは、ほとんどのドメインが欠落している実例を多く見た後にのみ、ドメイン全体に一般化する。 世界は、ゼロ依存フレームワークであるOpenWorldによって作成され、提供されています。 すべてのコード、レシピ、この原稿は1つのリポジトリから再生されます。
  論文  参考訳（メタデータ） (2026-07-07T03:19:47Z)
• PatchWorld: Gradient-Free Optimization of Executable World Models [69.05094454437402]
  我々は、オフラインのトラジェクトリを実行可能なPythonの世界モデルに変換する、勾配のないフレームワークであるPatchWorldを紹介します。 7つのAgentGym環境の中で、PatchWorld-Simpleはコードベースの計画スコアが最も高い。 人間の特定残差バイアスは, 表面観察精度を向上するが, 判定性は低下する。
  論文  参考訳（メタデータ） (2026-05-29T06:11:14Z)
• 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)
• WorldLens: Full-Spectrum Evaluations of Driving World Models in Real World [100.68103378427567]
  エージェントは現実的な4D駆動環境を合成し、説得力があるように見えるが、物理的または行動的に失敗することが多い。 モデルがどのように構築され、理解され、その生成された世界の中でどのように振る舞うかを評価するフルスペクトルベンチマークであるWorldLensを紹介します。 さらに、数値的なスコアとテキストの合理性を備えた人間の注釈付きビデオの大規模データセット WorldLens-26K を構築し、WorldLens-Agent を開発した。
  論文  参考訳（メタデータ） (2025-12-11T18:59:58Z)
• WorldPrediction: A Benchmark for High-level World Modeling and Long-horizon Procedural Planning [52.36434784963598]
  我々は、異なるAIモデルのワールドモデリングと手続き計画能力を評価するためのビデオベースのベンチマークであるWorldPredictionを紹介する。 現在のフロンティアモデルでは,WorldPrediction-WMでは57%,WorldPrediction-PPでは38%の精度しか達成できないが,人間は両タスクを完璧に解くことができる。
  論文  参考訳（メタデータ） (2025-06-04T18:22:40Z)

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。