arXiv cs.MA· Wendi Li, Huseyin A. Inan, Wei-Ning Chen, Yanzhi Chen, Chetan Bansal, Saravan Rajmohan, Sharon Li·· 10 小时前AI 评分38
Agentic World Modeling：无需环境副本的智能体测试时扩展
Agentic World Modeling for Agent Test-time Scaling without Environment Replica
AI 导读
研究者提出 Agentic World Modeling（AWM），将下一观测预测重构为多轮证据获取任务，让智能体模拟器通过安全只读接口查询真实环境并构建观测，从而在单一共享环境上实现并行轨迹探索。
正文 · AI 翻译
摘要：测试时扩展（TTS）通过对多条候选轨迹进行采样和选择来改进大语言模型智能体，但常见的实现方式假设这些轨迹可以并行执行。这一假设在现实部署中并不成立：企业工作区和云服务是共享且持久的，复制成本高昂或不可行，而且动作可能引入不可逆的副作用或跨轨迹干扰。现有的生成式世界模型避免了直接执行，但通常将环境状态压缩为单个提示，限制了其在部分可观测条件下可靠模拟状态转移的能力。为此，我们引入了智能体世界建模（AWM），它将下一观测预测重新表述为多轮证据获取任务。对于每个假设动作，智能体模拟器通过安全的只读接口自适应地查询真实环境，对返回的证据进行推理，并利用可执行计算构建结果观测，而不改变共享状态。与轨迹级 TTS 集成后，AWM 能够在单一共享环境上实现并行探索。在 $\tau$-bench、AppWorld 和 OfficeBench 上，AWM 平均比单次模拟基线高出 40.07%，并平均超过训练过的世界模型基线 12.36%。这些结果确立了交互式、基于读取的模拟，作为在共享、不可重置环境中实现安全且可扩展的智能体测试时扩展的实用基础。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.40927 [cs.AI] |
| （或 arXiv:2610.40927v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.40927 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wendi Li [查看邮箱]
[v1]
2026年10月29日 星期四 19:55:18 UTC（2,993 KB）
来源：arXiv cs.MA · arxiv.org