内化未来：面向世界模型规划的统一智能体训练范式

# 内化未来：一种面向世界模型规划的统一智能体训练范式
来源：https://arxiv.org/abs/2606.27483
查看PDF (https://arxiv.org/pdf/2606.27483)

> 摘要：大型语言模型（LLM）智能体在序列决策中展现出强大能力，但在长期任务中仍具有根本性的被动特征。与人类在行动前使用"假设分析"推理评估潜在计划不同，标准智能体缺乏模拟未来结果的内在世界模型。为此，我们提出通过训练单一自回归模型来内化具有前瞻意识的规划——该模型既能表述预期的状态推演，也能输出基于计划的成功估计（即Q值的文本类比）。关键的是，我们识别出一个格式-能力差距：仅在后期训练中对智能体进行前瞻轨迹的微调，会导致前瞻行为的表面模仿，缺乏真正的预测基础。为弥合这一差距，我们引入三阶段训练范式：(i) 世界模型智能体中期训练（WM-AMT），向策略中注入潜在预测能力；(ii) 格式引导监督微调（FE-SFT），结构化组织已注入的能力；(iii) 前瞻条件强化学习（FC-RL），优化生成模拟的校准性和实用性。在搜索和数学推理任务上的评估表明，我们的方法始终优于其他训练基线。实验结果证明，在LLM智能体中实现有效的内在世界建模，需要采用能力优先的训练流程，以获得有根基且经过校准的前瞻能力。

## 提交历史

来自：Xuan Zhang [查看邮件 (https://arxiv.org/show-email/a2f10c0a/2606.27483)] **\[v1\]** 2026年6月25日星期四 19:05:44 UTC（19,366 KB）