Qwen-AgentWorld: Language World Models for General Agents

Qwen-AgentWorld 论文完整总结与双语翻译

一、论文整体主要内容

1. 研究背景与动机

现有大模型智能体（Agent）研究几乎只聚焦策略网络（动作决策），忽略世界模型（环境状态预测） 模块；理论已证明通用智能体必须具备世界建模能力，但缺少统一、多领域的语言世界模型（LWM）。
真实环境训练Agent存在三大痛点：

1. 成本高：终端、GUI、代码沙箱需要大量容器/虚拟机基础设施，难以大规模并行；
2. 不可控：无法定制极端、边缘场景，难以针对性暴露Agent缺陷；
3. 风险高：不可逆操作、私有业务环境无法开放训练。

本文核心目标：构建原生语言世界模型，实现多数字环境高保真模拟，并验证两种用世界模型增强Agent的完整范式。

2. 核心模型：Qwen-AgentWorld

通义千问团队推出两款MoE规格模型：35B-A3B、397B-A17B，是首个单一模型统一7大Agent交互领域的语言世界模型：
文本域：MCP工具调用、网页检索Search、Linux终端Terminal、软件工程SWE；
GUI域：网页Web、安卓Android、桌面操作系统OS。
GUI环境