Agentic World Modeling：無需環境副本的 Agent 測試時間擴展技術

研究團隊提出 Agentic World Modeling (AWM)，旨在解決大型語言模型 Agent 在測試時間擴展 (TTS) 時面臨的現實困境。TTS 透過採樣並從多個候選軌跡中進行選擇來提升 Agent 效能，但現有方法通常假設這些軌跡可以平行執行。此假設在真實部署中往往不成立，因為企業工作空間與雲端服務是共享且持續存在的，複製這些環境不僅成本高昂，甚至不可行，且行動可能帶來不可逆的副作用或跨軌跡干擾。

現有的生成式世界模型雖避免直接執行，但通常將環境狀態壓縮至單一提示中，這限制了其在部分可觀察性下可靠模擬狀態轉換的能力。AWM 則將下一個觀察結果的預測重新定義為多輪證據獲取任務。針對每個假設性行動，Agentic 模擬器會透過安全唯讀介面自適應地查詢真實環境，並對返回的資訊進行推理。這種方法讓 Agent 能在不複製企業工作空間或雲端服務的情況下，更可靠地模擬與執行複雜任務，有效處理部分可觀察性下的狀態轉換問題。該研究已發布於 arXiv，編號為 2610.40927v1。