COMAP：面向LLM智能体的世界模型与智能体策略协同演化

arXiv 2026 68.1 method

TLDR

COMAP通过闭环交互共同演化文本世界模型与智能体策略，提升具身、网页和工具使用任务中的决策能力。

评分理由

The paper presents a novel framework that dynamically updates world models based on agent trajectories, addressing limitations of fixed models and external rewards. Strengths include clear methodology and strong empirical results across multiple benchmarks; weaknesses are not evident from abstract alone but the focus on textual models may limit applicability to visual domains.

Read-first 评分解释

综合优先阅读分 68.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 46。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

91.8

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.91829655

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、GitHub

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、基准、结果

主题相关性 29%

65.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：424。

关键词评分

world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

world simulator

generative world model

video world model

深度分析

创新点

通过闭环交互共同演化文本世界模型与智能体策略，使其适应在线策略的状态-动作分布。
未来感知反思机制：智能体评估世界模型预测的可靠性并据此优化动作。
利用在线策略轨迹通过自蒸馏更新世界模型，使其匹配智能体不断变化的交互分布。

方法

COMAP提出一个框架，在每个决策步骤中，文本世界模型预测候选动作的未来状态反馈，智能体通过评估该反馈的可靠性进行未来感知反思并优化动作。随后，利用产生的在线策略轨迹通过自蒸馏更新世界模型，形成闭环共同演化过程。该框架在具身任务规划、网页导航和工具使用基准上进行了评估。

关键结果

COMAP持续优于竞争基线，使用Qwen3-4B时相对提升16.75%。进一步分析表明，共同演化循环随时间提高了世界模型的预测准确性，并带来更有效的长程决策。

技术栈

World ModelSelf-DistillationFuture-Aware ReflectionQwen3-4B

资源

论文代码