Qwen-AgentWorld: 汎用エージェントのための言語世界モデル

概要

アリババのQwenチームが、1,000万件以上の行動ログを用いて構築した「Qwen-AgentWorld」を発表し、LLMによる高度な環境シミュレーションとエージェントの性能向上を実現した。

詳細内容

本論文は、AIエージェントが環境の変化を予測するための「世界モデル」を大規模言語モデル（LLM）で構築する手法を提案しています。研究チームは、35Bおよび397Bパラメータの「Qwen-AgentWorld」を開発しました。このモデルは、1,000万件以上のインタラクション軌跡を学習し、長期的なChain-of-Thought（CoT）推論を用いて、7つのドメインにわたる複雑な環境変化をシミュレート可能です。トレーニングプロセスは、一般的な世界理解を注入するCPT、状態遷移の推論を活性化させるSFT、そしてシミュレーション精度を鋭敏化するRLの3段階で構成されています。また、新たな評価指標として「AgentWorldBench」を導入し、既存のフロンティアモデルを凌駕する性能を確認しました。実用面では、数千の環境を仮想的に提供するデカップリングされたシミュレータとして、エージェントの強化学習を大幅に加速させるほか、エージェント基盤モデルのウォームアップとしても極めて有効であることを示しています。

元記事を読む他のサマリーを見る