← 资讯列表
资讯

论文《Agent-Editing World Model》：用编辑状态替代重建观测

📅 2026/9/24 08:00:00👁 5 阅读⏱ 约 4 分钟

一句话：中国人民大学高瓴学院论文提出 AEWM，将世界模型目标从「预测下一观测」改为「建模决策效果并编辑 agent 状态」，缓解长程任务的状态污染，Action Judge 达 70.5% macro-F1。

背景

  • 语言世界模型预测「下一观测」易在长程任务中受任务状态污染；论文改为建模「决策效果并编辑状态」。

核心要点

  • 中国人民大学高瓴学院论文《Agent-Editing World Model》提出 AEWM：将世界模型目标从观测重构改为建模决策效果并编辑 agent 状态，缓解 task-state contamination。
  • 含 Action Judge（区分 Critical/Exploratory/Noisy 三类决策）与 State Revision（编辑噪声推理-动作延续），经 EditAct 在执行前选择性替换。
  • 在 Search/Terminal/SWE 三域训练：约 52B token mid-training + 12 万 curated 样本 SFT；Action Judge 基准达 70.5% macro-F1，超 DeepSeek-V4-Pro（59.9%）10.6 点。
  • EditAct 在 6 基准 × 3 backbone（Qwen3.5-4B/9B/35B-A3B）平均提 3.2–6.7 点；AEWM-RFT 不调用 AEWM 仍可超 Self-RFT 2.2–2.6 点，证明编辑模式可内化。

为什么重要

  • AEWM 用「编辑状态」而非「重建观测」来支撑长程 agent 决策，显著提升预执行动作判断与端到端表现，为多步任务可靠性提供新范式。

关键事实速记

  • 论文：arXiv 2609.28416（人大高瓴，2026-09-24）
  • 方法：AEWM（Action Judge + State Revision + EditAct）
  • 训练：52B token + 120K SFT
  • Action Judge：70.5% macro-F1（超基线 +10.6）
  • 增益：EditAct +3.2~6.7 点

📂 原文链接：查看原文 →

← 返回资讯列表 AI8899 · 内容仅供学习参考