Agent-Editing World Model：重新思考 LLM 智能体的世界建模

大型语言模型（LLM）的最新进展使智能体能够在各种环境中处理长时程任务。为了进一步提升智能体性能，现有的语言世界模型通常会预测环境观测结果；然而，在能够获得真实反馈的情况下，重建高熵且取决于执行过程的工具响应，其价值十分有限。与此同时，智能体还会受到任务状态污染的影响：缺乏依据的假设和过时的计划持续留存在历史记录中，进而扭曲后续决策。我们提出 Agent-Editing World Model（AEWM），该模型不模拟工具响应，而是建模推理和行动如何塑造未来的任务进展。AEWM 将 Action Judge 与 State Revision 相结合：前者用于区分 Critical、Exploratory 和 Noisy 决策，后者则根据相同的观测历史，对包含噪声的推理—行动后续过程进行编辑。EditAct 将这些能力与真实执行相结合，直接改变后续决策所依据的状态，而不只是提供批评意见。我们通过中期训练和监督微调，在 Search、Terminal 和 Software Engineering 领域对 AEWM 进行训练。在我们的 Action Judge 基准上，AEWM 的宏平均 F1 达到 70.5%，比最强的前沿基线高出 10.6 个百分点。在六个基准和三种智能体骨干模型上，EditAct 相比最强基线将平均得分提升了 3.2–6.7 个百分点。此外，在经过验证的 EditAct 轨迹上进行拒绝采样微调，即 AEWM-RFT，在没有在线 AEWM 指导的情况下，也能在三个领域中比 Self-RFT 提高 2.2–2.6 个百分点。