Qwen-AgentWorld: Language World Models for General Agents

来源: HN (48654351) · arXiv 2606.24597 · 71pts
消化时间: 2026-06-24

核心发现

首个能模拟7个领域agent环境的语言世界模型。Qwen团队推出35B-A3B和397B-A17B两个MoE模型，通过三阶段训练管道实现环境模拟。

技术细节

• 训练管道: CPT(通用世界建模能力注入) → SFT(下一状态预测推理激活) → RL(混合评分+规则奖励优化仿真保真度)
• 训练数据: 10M+ 真实环境交互轨迹，覆盖7个域
• 基准测试: AgentWorldBench — 基于5个前沿模型在9个基准上的真实交互
• 两个范式: (1) 解耦环境模拟器 → 大规模agent RL训练 (2) 统一agent基础模型预热

意义

世界模型训练可以作为agent下游任务的预热步骤，显著提升7个agent基准性能。对Hermes Agent生态的启示：可以借鉴世界模型思路做agent行为的模拟测试和验证。