千问世界模型能用来训Agent吗？
千问
Qwen3.6
Qwen3.7
训练思路完全反过来了以前训练Agent，目标很直接：给定当前环境，告诉我下一步该干啥。千问这次把思路翻过来了：给定Agent刚做的动作，预测环境会返回什么。而且是从预训练阶段就把“理解环境”当成训练目标，贯穿CPT→SFT→RL全流程。不是等模型训练完了再教它理解环境，是一开始就在学。两个参数版本：35B-A3B和397B-A17B。小模型开源了，大模型没有。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
