Qwen-AgentWorld：7ドメインをシミュレートする言語ワールドモデル、1000万軌跡で訓練

要約

Alibabaは、言語モデルをエージェント向けワールドモデルとして機能させる「Qwen-AgentWorld」を発表した。Qwen-AgentWorld-35B-A3BとQwen-AgentWorld-397B-A17Bの2モデルを公開し、7ドメインの実環境から収集した1000万件超の軌跡データを使いCPT→SFT→RLの3段階で訓練した。評価には9つの既存ベンチマークと5つのフロンティアモデルによる実インタラクションから構築したAgentWorldBenchを設け、既存モデルを大幅に上回ると確認された。ワールドモデルは独立した環境シミュレータとしてエージェントのスケーラブルなトレーニングを支援し、内部推論モジュールとしても汎用エージェントの計画性能を向上させる。