Quo Vadis, World Modeling?
世界建模向何处去：面向持续进化智能体的交互式世界代理
🧭 Agent 世界代理与持续进化框架
Shanghai AI Laboratory · Zhejiang University · National University of Singapore
将世界模型重构为以智能体为中心的世界代理，通过六种功能形式和三个赋能级别驱动智能体持续改善
📌 工作参考价值
- 在推荐/搜索智能体中，可构建记忆代理（检索用户历史行为序列）、执行代理（模拟点击后页面状态）、奖励/验证代理（评估推荐内容的安全性或满意度），在推理时增强上下文（L1），或在训练时提供奖励/批判信号（L2）。
- 将世界代理定义为信息转移而非物理状态预测，设计可查询的反馈接口：例如，智能体在生成推荐理由前，可向验证代理查询“该理由是否合规/存在风险”，代理返回验证结果，避免直接线上试错。
- 借鉴 L3 代理-智能体共同进化：线上真实用户反馈（点击、停留、转化）持续更新世界代理（如刷新记忆库、调整风险模型），并将更新后的知识蒸馏回推荐策略，实现持续在线学习。
- 工程上采用模块化代理设计：每种代理（动力学、空间、执行、记忆、技能、奖励）独立维护，通过统一的信息转移接口为智能体提供反馈，便于迭代和扩展。
动机
智能体要从静态监督转向持续自我改进，必须依赖交互反馈。然而直接与真实环境交互代价高、危险、难以回滚且并行困难。传统世界模型仅预测下一物理状态，无法满足智能体对执行结果、记忆检索、技能调用、验证信号等多元化反馈的需求。为此，本文提出将世界模型重构为以智能体为中心的世界代理，作为中间层提供低成本、可控、可预测的交互反馈。
方法关键点
- 范式转变：从预测物理状态转移，转向建模信息转移——智能体主动查询（动作、命令、视角等），世界代理返回可立即用于决策、学习或验证的反馈。
- 六种功能形式：
- 动力学代理（经典世界模型）
- 空间代理（新视角合成）
- 执行代理（代码/网页操作结果模拟）
- 记忆/体验代理（检索历史经验、失败案例）
- 技能代理（推荐可重用行为模块）
- 奖励/验证代理（评分、批判、合规检查）
- 三个赋能级别：
- L1 推理时指导：代理输出注入上下文，提升当前决策质量
- L2 训练时优化：代理作为奖励模型、模拟器，生成训练信号优化策略
- L3 代理-智能体共同进化：真实环境证据更新代理，代理知识再蒸馏回智能体，形成持续闭环
- 评价标准：强调反馈的接地性、可控性、可操作性、可扩展性、前瞻性，而非片面追求预测精度。
关键结论
论文为路线图性质，无实验数字。主要贡献在于系统化梳理了世界代理的设计空间，用一张功能×级别矩阵（表6）展示现有工作，并指出未探索方向（如L3级别的空间代理）。最值得记取的一句话：世界模型的价值不在于渲染多么逼真的未来，而在于它能让查询它的智能体变得多强。