interactive-environments

MemCo提出了一种以记忆为中心的协作框架，通过维护互补的局部与全局记忆空间，帮助LLM智能体在未见过的交互环境中实现更好的泛化，实验表明其在交互式决策基准上提升了任务成功率并减少了冗余探索。

AgentGarten 是一个框架，将模拟器和游戏引擎与共享的神经渲染器相结合，构建实时交互式环境。智能体在其中通过视觉观察进行学习，并将经验提炼为可继承的策略手册，仅需 4 轮经验便实现了远超传统强化学习的学习效率提升。

EvoPolicyGym 是一个基准测试，用于评估自主智能体如何通过交互环境中的反馈迭代改进策略，其中 GPT-5.5 取得了最佳性能。

本文系统综述了面向基于LLM的智能体的文本世界模型，涵盖基础、构建范式、在规划与训练中的应用以及评估方法。

WorldCraft扩展了交互式视频世界模型，通过专门的控制流水线，在保持相机导航能力的同时实现物体级别的轨迹控制。