论文

Qwen-AgentWorld：用语言世界模型构建Agent训练环境

Qwen-AgentWorld: Language World Models for General Agents

Yuxin Zuo, Zikai Xiao, Li Sheng, Fei Huang, Jianhong Tu, Yuxuan Liu, Tianyi Tang, Xiaomeng Hu, Yang Su, Qingfeng Lan, Yantao Liu, Qin Zhu, Yinger Zhang, Bowen Yu, Haiquan Zhao, Haiyang Xu, Jianxin Yang, Jiayang Cheng, Junyang Wang, Lianghao Deng, Mingfeng Xue, Tianyi Bai, Yang Fan, Yubo Ma, Yucheng Li, Zeyu Cui, Zhihai Wang, Zhihui Xie, Zhuorui Ye, An Yang, Dayiheng Liu, Jingren Zhou, Ning Ding来源日期：2026.06.22

模型训练模型评测强化学习基准与评测资源Agentic RL

摘要

Qwen-AgentWorld通过语言模型预测Agent采取动作后的环境变化，覆盖MCP、搜索、终端、软件工程、网页、操作系统与Android七类交互环境。训练使用真实环境轨迹，先进行持续预训练和监督微调，再用规则与评价标准混合奖励强化环境预测能力。在Agent训练中，世界模型可以作为独立的环境模拟器，反复产生交互反馈，并控制环境扰动。论文比较模拟环境与真实环境训练，展示可控模拟对任务效果的改善；另一路径将世界模型训练作为Agent能力训练的准备阶段。AgentWorldBench以真实环境观察评价模拟质量，帮助区分环境预测能力与Agent自身的任务完成能力。

Qwen-AgentWorld原论文图1 — 原论文图1：语言世界模型的环境模拟与Agent训练路径。