千问LWM是下一个GPT-4o吗？
我看完整篇Qwen-AgentWorld的技术报告和GitHub README，我最大的感受是他们这次把"原生"两个字玩明白了。传统Agent训练是RLHF之后再补一个reward model，世界建模是事后补丁；Qwen-AgentWorld直接把"下一状态预测"作为CPT阶段的训练目标，贯穿CPT→SFT→RL全流程，模型从"出生"就内化环境动力学。更关键的是它支持两种使用范式：Decouple（解耦）是把LWM当环境模拟器，让Agent在纯模拟环境里跑RL，支持上千个环境的可扩展训练，论文里说在OOD任务上能反超真实环境训出来的policy；Unify（统一）是把world model训练当Agent基础模型的预热，直接提升7个下游Agent任务成绩，不需要任何RL微调。我个人觉得Decouple这条线更有想象力——以前训练Agent要搭环境、维护真实交互链，又慢又贵；现在让LWM自己生成下一状态，等于给Agent一个"脑内沙盘"，推理成本可控、可注入扰动、能无限跑rollout。当然论文自己也强调，LWM不是替代真实环境，而是互补路径。AGI这条路光靠模拟推演不够，但少了这一块一定走不远。
发布于 福建
分享
评论
1
未登录
友善发言
评论
加载中
