Qwen-AgentWorld（29 分間の読了時間）
本文の状態
日本語全文を表示中
詳細モードで約3分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
TLDR AI
TLDR AI が、アリババ傘下の通義千問（Qwen）を用いたエージェント開発環境「Qwen-AgentWorld」の解説記事を公開しました。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
著者：Zuo Yuxin, Xiao Zikai, Sheng Li, Huang Fei, Tu Jianhong, Liu Yuxuan, Tang Tianyi, Hu Xiaomeng, Su Yang, Lan Qingfeng, Liu Yantao, Zhu Qin, Zhang Yinger, Yu Bowen, Zhao Haiquan, Xu Haiyang, Yang Jianxin, Cheng Jiayang, Wang Junyang, Deng Lianghao, Xue Mingfeng, Bai Tianyi, Fan Yang, Ma Yubo, Li Yucheng, Cui Zeyu, Wang Zhihai, Xie Zhihui, Ye Zhuorui, Yang An, Liu Dayiheng, Zhou Jingren, Ding Ning
**
要約：世界モデルは、現在の観測と行動に基づいて環境の動態を予測し、推論や計画のための中核的な認知メカニズムとして機能します。本研究では、言語モデルに基づく世界モデリングが、一般化されたエージェントの境界をさらに押し広げる方法を探ります。(i) まず、エージェント型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。7 つのドメインにわたるエージェント型環境を長期的な思考連鎖推論によってシミュレートできる初の言語世界モデルとして、Qwen-AgentWorld-35B-A3B および Qwen-AgentWorld-397B-A17B を導入します。実世界の 7 ドメインにおける 1,000 万本以上の環境相互作用トラジェクトリを活用し、3 つの段階からなるトレーニングパイプラインを通じて Qwen-AgentWorld を開発しました。CPT（事前継続的学習）は状態遷移動態と拡張された専門コーパスから汎用的な世界モデリング能力を注入し、SFT（教師あり微調整）は次状態予測推論を活性化し、RL（強化学習）はハイブリッド評価基準・ルール報酬を備えた専用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。言語世界モデルを評価するために、9 つの確立されたベンチマーク上で 5 つの最先端モデルが実世界の相互作用を行った結果から構築した包括的なベンチマーク「AgentWorldBench」を発表します。実証結果は、Qwen-AgentWorld が既存の最先端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、世界モデリングが一般化されたエージェントを強化する 2 つの補完的パラダイムについてもさらに調査します。第一に、分離された環境シミュレータとして、Qwen-AgentWorld はエージェント型強化学習のための数千の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、実環境でのトレーニング単独を超える成果をもたらします。第二に、統合されたエージェント基盤モデルとして、世界モデルによるトレーニングは下流の 7 つのエージェントベンチマーク全体でパフォーマンスを向上させる極めて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:
コンピュータ言語処理 (cs.CL)
参照形式:
arXiv:2606.24597 [cs.CL]
(または
arXiv:2606.24597v1 [cs.CL] は本バージョン用)
https://doi.org/10.48550/arXiv.2606.24597
DataCite 経由で arXiv が発行した DOI
## 提出履歴
Fei Huang [メールを表示]
[v1]**
2026 年 6 月 23 日 (火) 13:53:55 UTC (3,883 KB)
原文を表示
Authors: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
Abstract:A world model predicts environment dynamics based on current observations and actions, serving as a core cognitive mechanism for reasoning and planning. In this work, we investigate how world modeling based on language models can further push the boundaries of general agents. (i) We first focus on building foundation models for agentic environment simulation. We introduce Qwen-AgentWorld-35B-A3B and Qwen-AgentWorld-397B-A17B, the first language world models capable of simulating agentic environments covering 7 domains via long chain-of-thought reasoning. Leveraging more than 10M environment interaction trajectories of 7 domains in real-world environments, we develop Qwen-AgentWorld through a three-stage training pipeline: CPT injects general-purpose world modeling capabilities from the state transition dynamics and augmented professional corpora, SFT activates next-state-prediction reasoning, and RL sharpens simulation fidelity through a tailored framework with hybrid rubric-and-rule rewards. To evaluate language world models, we present AgentWorldBench, a comprehensive benchmark constructed from real-world interactions of 5 frontier models on 9 established benchmarks. Empirical results demonstrate that Qwen-AgentWorld significantly outperforms existing frontier models. (ii) Beyond foundation models, we further investigate two complementary paradigms through which world modeling enhances general agents. First, as a decoupled environment simulator, Qwen-AgentWorld supports scalable and controllable simulation of thousands of real-world environments for agentic RL, yielding gains that surpass real-environment training alone. Second, as a unified agent foundation model, world-model training acts as a highly effective warm-up that improves downstream performance across 7 agentic benchmarks. Code: this https URL
| Subjects: | Computation and Language (cs.CL) |
|---|---|
| Cite as: | arXiv:2606.24597 [cs.CL] |
| (or arXiv:2606.24597v1 [cs.CL] for this version) | |
| https://doi.org/10.48550/arXiv.2606.24597 arXiv-issued DOI via DataCite |
Submission history
From: Fei Huang [view email] [v1]
Tue, 23 Jun 2026 13:53:55 UTC (3,883 KB)
関連記事
News to Guide
ニュースの次に確認する
発表内容を、現在の料金や仕様と照らし合わせられる関連ガイドです。
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み