论文解读 · 2026年10月10日
从记录到智能体世界：模拟交互环境的智能体式语言世界模型
From Traces to Agentic Worlds: Agentic Language World Models for Interactive Environment Simulation
将过去的交互记录重构为环境“世界书”，并由参考世界书的世界模型智能体来模拟环境，得到比现有提示词方法更忠实、更一致的模拟。
问题
训练和评估 LLM 智能体时，真实环境的副本很有用，但往往无法获得原系统的代码、数据和基础设施。现有语言世界模型把环境描述和记录放进一个提示词中来预测下一个观测，因此很难在多轮中维持像删除文件这样要到后面才显现的状态变化。
方法
提出无需训练的 Trace2Env。离线阶段将记录构建成世界书，由模式（行为与状态定义）、依据记录、归纳出的行为规则和来源信息组成。执行阶段由世界模型智能体按需查阅世界书、当前回合状态和回合记忆，提出观测和状态变化。经过两道关卡——判断检索到的记录是否适用于当前情况，以及按模式和规则验证所提出的状态变化——后，由通用 harness 予以确认。
结果
- 作者报告称，在 9 个环境中，格式、事实性、一致性、真实性和综合质量五项指标均优于现有基于提示词的语言世界模型。
- 下一观测预测使用 AgentWorldBench 的 Terminal、SWE、Android、Web 以及 EnvScaler 的 Food、Shopping、Benefits，多轮评估使用 ALFWorld 和 SciWorld。
- 作者报告称，在多轮交互中，把在 Trace2Env 内生成的智能体行为放到真实环境中重放时，有效的情况更多。
局限
所提供的正文在实验设置处被截断，未能确认具体数值和比较对象。世界书并非可执行的重构，因此记录中没有的行为要依赖推断。多轮评估仅限于两种文本游戏。
意义
如果不需要原系统、仅凭交互记录就能构建智能体训练和测试环境，那么即使是公司内部系统这类难以复制的环境，也能让智能体安全地进行练习。
关键术语
- 语言世界模型（LWM）
- 用语言模型预测“执行这个行为后环境会返回什么观测”，以此模拟环境的模型。
- 世界书（Worldbook）
- 由过去记录构建的环境知识集合。包含模式、真实观测依据、反复出现的规则和来源信息，执行过程中保持不变。
- 回合状态（Episode State）
- 记录当前回合中已确认为事实的内容（例如某个文件已被删除）的可变状态。与世界书中的一般知识相区分。
原文
作者: Quanyu Long, Xiao Chen, Jianda Chen, Haozhen Zhang, Qisheng Hu, Jianzhu Bao, Wenya Wang · 发布 2026-10-05 · 许可 arXiv 비독점 배포 라이선스 · 基于全文分析
本解读是 AI 阅读论文后撰写的摘要，请以论文原文为准。