Snowflake研究团队开源Agent World Model合成千级智能体RL环境

Snowflake AI研究团队针对工具调用智能体强化学习的环境瓶颈发布Agent World Model（AWM）：采集真实环境昂贵且难扩展，人工基准通常只有3-5个环境，远不够大规模RL，而用LLM模拟环境又引入幻觉与高推理延迟。AWM是全合成环境生成流水线：从100个领域名种子经Self-Instruct式扩展生成1000个场景描述，用嵌入去重与类别上限保多样性，覆盖金融、旅行、零售、医疗等；再把环境拆为有状态数据库后端、MCP工具接口层与任务校验三部分系统性合成，逐步生成场景、任务、数据库、接口与验证组件，最终产出1000个可执行、以SQL为底座的工具调用环境，奖励信号由环境校验给出。训练时每步可并行1024个环境实例，团队称在三个基准上展现较强的分布外泛化，并已开源流水线、环境与Arctic-AWM系列模型。边界：属研究阶段（experiment）成果，指标为团队自述，生产落地效果待第三方验证。