論文の概要: Agentic World Modeling for Agent Test-time Scaling without Environment Replica

• arxiv url: http://arxiv.org/abs/2610.40927v1
• Date: Thu, 29 Oct 2026 19:55:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.483103
• Title: Agentic World Modeling for Agent Test-time Scaling without Environment Replica
• Title（参考訳）: 環境レプリケーションのないエージェントテストタイムスケーリングのためのエージェントワールドモデリング
• Abstract要約: テストタイムスケーリングは、複数の候補軌跡のサンプリングと選択によって、大きな言語モデルエージェントを改善する。 既存の生成世界モデルは直接実行を避けるが、通常は環境状態を1つのプロンプトに圧縮する。 本稿では,マルチターンエビデンス獲得タスクとして次の観測予測を再構成するエージェント・ワールド・モデリング(AWM)を紹介する。
• 参考スコア（独自算出の注目度）: 34.53679001613671
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Test-time scaling (TTS) improves large language model agents by sampling and selecting among multiple candidate trajectories, but common realizations assume that these trajectories can be executed in parallel. This assumption breaks in realistic deployments, where enterprise workspaces and cloud services are shared and persistent, costly or infeasible to replicate, and actions may introduce irreversible side effects or cross-trajectory interference. Existing generative world models avoid direct execution, but typically compress environment state into a single prompt, limiting their ability to reliably simulate transitions under partial observability. Instead, we introduce Agentic World Modeling (AWM), which reformulates next-observation prediction as a multi-turn evidence-acquisition task. For each hypothetical action, an agentic simulator adaptively queries the real environment through safe read-only interfaces, reasons over the returned evidence, and uses executable computation to construct the resulting observation without mutating shared state. Integrated with trajectory-level TTS, AWM enables parallel exploration over a single shared environment. Across $τ$-bench, AppWorld, and OfficeBench, AWM outperforms a single-shot simulation baseline by 40.07% on average, and surpasses a trained world-model baseline by 12.36% on average. These results establish interactive, read-grounded simulation as a practical foundation for safe and scalable agentic test-time scaling in shared, non-resettable environments.
• Abstract（参考訳）: テストタイムスケーリング(TTS)は、複数の候補軌跡のサンプリングと選択によって、大きな言語モデルエージェントを改善するが、一般的な認識では、これらのトラジェクトリは並列に実行できると仮定される。 この仮定は、エンタープライズワークスペースとクラウドサービスが共有され、永続的、コストがかかり、複製が不可能で、アクションが不可逆的な副作用やクロストラジェクティブ干渉をもたらす、現実的なデプロイメントにおいて破られる。 既存の生成的世界モデルは直接実行を避けるが、通常は環境状態を1つのプロンプトに圧縮し、部分的な可観測性の下で遷移を確実にシミュレートする能力を制限する。 代わりに,マルチターンエビデンス獲得タスクとして次観測予測を再構成するエージェント・ワールド・モデリング(AWM)を導入する。 エージェントシミュレータは、各仮説的アクションに対して、安全な読み取り専用インターフェースを通じて実際の環境を適応的にクエリし、返却されたエビデンスを理由として、実行可能計算を使用して、共有状態を変更せずに結果の観測を構築する。 AWMは軌道レベルのTSと統合され、単一の共有環境上での並列探索を可能にする。 AWMは、$τ$-bench、AppWorld、OfficeBench全体で、シングルショットのシミュレーションベースラインを平均40.07%上回り、トレーニングされたワールドモデルベースラインを平均12.36%上回っている。 これらの結果は、共有された非リセット可能な環境において、安全でスケーラブルなエージェントテストタイムスケーリングのための実用的な基盤として、インタラクティブで読み上げシミュレーションを確立します。

関連論文リスト

• From Traces to Agentic Worlds: Agentic Language World Models for Interactive Environment Simulation [35.002353984816395]
  従来のシステムでは利用できないが,過去のインタラクショントレースが引き続きアクセス可能な,学習不要なフレームワークを開発する。 Trace2Envは、これらのトレースを環境スキーマ、根拠となる証拠、行動知識を含む再利用可能な環境ワールドブックに再構築する。 9つの環境において、Trace2Envは次の観測忠実度と長い水平相互作用の整合性の両方を改善している。
  論文  参考訳（メタデータ） (2026-10-05T10:32:28Z)
• SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks [73.92333717662558]
  SpaceWorldは、複雑な現実世界のタスクにおけるマルチモーダルエージェントのインタラクティブな空間的理解を評価するためのベンチマークである。 多様なドメイン(例えば、家庭のルーチン、旅行、社会協力など)にまたがる760の人称タスクが特徴である。 信頼性評価のために、各タスクは、人間検証された初期状態、参照軌跡、端末状態検証器を含む。
  論文  参考訳（メタデータ） (2026-06-08T15:51:51Z)
• 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)
• ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation [72.78362530982109]
  ARTIS(Agenic Risk-Aware Test-Time Scaling via Iterative Simulation)は、コミットメントから探索を分離するフレームワークである。 LLMをベースとした簡易シミュレータは, 希少かつ高インパクトな障害モードの捕捉に苦慮していることを示す。 本稿では,障害発生行動の忠実度を強調するリスク認識ツールシミュレータを提案する。
  論文  参考訳（メタデータ） (2026-02-02T06:33:22Z)
• Grounded Test-Time Adaptation for LLM Agents [75.62784644919803]
  大規模言語モデル(LLM)ベースのエージェントは、新規で複雑な環境への一般化に苦慮している。 環境特化情報を活用することで, LLMエージェントを適応するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-06T22:24:35Z)
• Inductive Domain Transfer In Misspecified Simulation-Based Inference [29.26298096319145]
  キャリブレーションと分散アライメントを1つのエンドツーエンドのトレーニング可能なモデルに統合する,完全な帰納的・償却型SBIフレームワークを提案する。 我々のアプローチは、他の標準SBIおよび非SBI推定器と同様に、RoPEの性能と一致または上回っている。
  論文  参考訳（メタデータ） (2025-08-21T14:06:42Z)

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。