Qwen-AgentWorld: 汎用エージェントのための言語ワールドモデル

コンピュータサイエンス > 計算と言語 arXiv:2606.24597 (cs) [2026年6月23日提出] タイトル: Qwen-AgentWorld: 汎用エージェントのための言語ワールドモデル 著者: Yuxin Zuo, Zikai Xiao, Li Sheng, Fei Huang, Jianhong Tu, Yuxuan Liu, Tianyi Tang, Xiaomeng Hu, Yang Su, Qingfeng Lan, Yantao Liu, Qin Zhu, Yinger Zhang, Bowen Yu, Haiquan Zhao, Haiyang Xu, Jianxin Yang, Jiayang Cheng, Junyang Wang, Lianghao Deng, Mingfeng Xue, Tianyi Bai, Yang Fan, Yubo Ma, Yucheng Li, Zeyu Cui, Zhihai Wang, Zhihui Xie, Zhuorui Ye, An Yang, Dayiheng Liu, Jingren Zhou, Ning Ding Yuxin Zuoら32名の著者による「Qwen-AgentWorld: Language World Models for General Agents」と題された論文のPDFを表示 PDF HTML (実験的) 要旨: ワールドモデルは、現在の観測と行動に基づいて環境のダイナミクスを予測し、推論とプランニングのための中心的な認知メカニズムとして機能します。本研究では、言語モデルに基づいたワールドモデリングが、汎用エージェントの限界をどのようにさらに押し広げられるかを調査します。 (i) まず、エージェント環境シミュレーションのための基盤モデル構築に焦点を当てます。私たちは、Qwen-AgentWorld-35B-A3BとQwen-AgentWorld-397B-A17Bを発表します。これらは、長時間の思考連鎖推論を通じて7つのドメインをカバーするエージェント環境をシミュレートできる初の言語ワールドモデルです。現実世界の7つのドメインにおける1,000万以上の環境インタラクション軌跡を活用し、Qwen-AgentWorldは3段階のトレーニングパイプラインを通じて開発されました。CPTは状態遷移ダイナミクスと拡張された専門コーパスから汎用ワールドモデリング能力を注入し、SFTは次状態予測推論を活性化させ、RLはハイブリッドな評価基準とルールに基づく報酬を持つ独自のフレームワークを通じてシミュレーションの忠実度を高めます。言語ワールドモデルを評価するため、私たちは、9つの確立されたベンチマークにおける5つのフロンティアモデルの現実世界インタラクションから構築された包括的なベンチマークであるAgentWorldBenchを提示します。実証結果は、Qwen-AgentWorldが既存のフロンティアモデルを大幅に上回ることを示しています。 (ii) 基盤モデルを超えて、私たちはワールドモデリングが汎用エージェントを強化する2つの相補的なパラダイムをさらに調査します。第一に、デカップリングされた環境シミュレーターとして、Qwen-AgentWorldは、エージェントRLのために数千の現実世界環境のスケーラブルで制御可能なシミュレーションをサポートし、現実環境単独でのトレーニングを超える利得をもたらします。第二に、統一されたエージェント基盤モデルとして、ワールドモデルトレーニングは、7つのエージェントベンチマーク全体で下流の性能を向上させる非常に効果的なウォームアップとして機能します。 コード: this https URL 主題: 計算と言語 (cs.CL) 引用元: arXiv:2606.24597 [cs.CL] (またはこのバージョンについては arXiv:2606.24597v1 [cs.CL]) https://doi.org/10.48550/arXiv.2606.24597 DataCite経由でのarXiv発行DOIについて詳しく学ぶ (登録保留中) 提出履歴 From: Fei Huang [メールを表示] [v1] 2026年6月23日火曜日 13:53:55 UTC (3,883 KB) 全文リンク: 論文へのアクセス: Yuxin Zuoら32名の著者による「Qwen-AgentWorld: Language World Models for General Agents」と題された論文のPDFを表示 PDF HTML (実験的) TeXソースライセンスを表示 現在の閲覧コンテキスト: cs.CL < 前へ | 次へ > 新規 | 最近 | 2026-06 閲覧の変更先: cs 参考文献・引用 NASA ADS Google Scholar Semantic Scholar BibTeX引用をエクスポート BibTeX形式の引用 × 読み込み中... 提供データ: ブックマーク 書誌ツール 書誌・引用ツール 書誌エクスプローラー 書誌エクスプローラーを切り替える (エクスプローラーとは？) 関連論文 関連論文を切り替える (関連論文とは？) Litmaps Litmapsを切り替える (Litmapsとは？) scite.ai scite Smart Citationsを切り替える (scite Smart Citationsとは？) コード、データ、メディア この記事に関連するコード、データ、メディア alphaXiv alphaXivを切り替える (alphaXivとは？) コードへのリンク 論文のCatalyzeXコードファインダーを切り替える (CatalyzeXとは？) DagsHub DagsHubを切り替える (DagsHubとは？) GotitPub Gotit.pubを切り替える (Gotit.pubとは？) Huggingface Hugging Faceを切り替える (Huggingfaceとは？) ScienceCast ScienceCastを切り替える (ScienceCastとは？) デモ デモ Replicate Replicateを切り替える (Replicateとは？) Spaces Hugging Face Spacesを切り替える (Spacesとは？) Spaces TXYZ.AIを切り替える (TXYZ.AIとは？) 関連論文 推薦システム・検索ツール Influence Flowerへのリンク Influence Flower (Influence Flowersとは？) Core recommender CORE Recommenderを切り替える (COREとは？) 著者 会場 機関 トピック arXivLabsについて arXivLabs: コミュニティ共同研究者との実験プロジェクト arXivLabsは、共同研究者が新しいarXiv機能をウェブサイト上で直接開発・共有できるフレームワークです。arXivLabsと協力する個人および組織は、オープン性、コミュニティ、卓越性、ユーザーデータプライバシーという私たちの価値観を受け入れ、遵守しています。arXivはこれらの価値観にコミットしており、これらを遵守するパートナーのみと協力します。 arXivコミュニティに価値を加えるプロジェクトのアイデアがありますか？ arXivLabsについて詳しくはこちら。 この論文の著者でエンドーサーは誰ですか？ | MathJaxを無効にする (MathJaxとは？)