共计 11 篇文章
2026
R-WoM：先查教程再想象，让电脑 Agent 在执行前比较动作后果
DynaWeb：先学会预测网页变化，再让 Agent 在想象中做强化学习
Agent-World：按 Agent 的失败原因，持续生成下一批训练环境与任务
AWM：让大模型造出可执行的世界，再用它训练 Agent
从 VLA 到 WAM：具身基础模型的代表方法，以及与 LLM、推理和强化学习的交叉
从“会回答”到“会预演”：2026 年大语言模型世界模型的主流范式与前沿进展
论文精读｜Code as Worlds：让 Agent 用可执行代码反推物理世界
Bridging the Agent-World Gap：LLM Agent 文本世界模型全景综述
From Word to World：LLM 能否成为 Agent 的文本世界模型？
论文精读｜Neural Computers：把计算、内存与 I/O 压进一个学出来的 runtime