当前智能体未能利用世界模型作为预见工具

arXiv 26.1 2026 57.2 application

TLDR

当前智能体很少模拟且常误用预测，未能有效利用世界模型作为预见工具。

评分理由

The paper provides empirical evidence across multiple tasks showing agents rarely invoke simulation and performance degrades, with attribution analysis identifying bottlenecks in deciding when and how to simulate. However, it does not propose solutions and focuses only on current limitations.

Read-first 评分解释

综合优先阅读分 57.2，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 36。

近期性 8%

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

方法质量 25%

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：分析、实验、结果

主题相关性 42%

51.4

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

可复现性 25%

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：无；数据：无；命中信号：无

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：387。

关键词评分

world model

generative world model

world simulator

world dynamics prediction

model-based reinforcement learning world model

interactive world model

video world model

深度分析

创新点

实证表明当前智能体未能有效利用世界模型作为预见工具
识别出具体失败模式：罕见调用（<1%）、误用推演（约15%）以及表现不一致/下降（高达5%）
归因分析揭示了在决定何时模拟、解释结果和整合预见方面的瓶颈

方法

本文在多种智能体任务和视觉问答任务中进行实证实验。基于视觉语言模型的智能体被提供生成式世界模型作为外部模拟器。研究测量了模拟可用或强制时的调用率、误用率以及性能变化，并进行归因分析以识别瓶颈。

关键结果

智能体很少调用模拟（低于1%的案例），频繁误用预测的推演（约15%），并且在模拟可用或强制时表现出不一致或下降的性能（高达5%）。

局限性

该研究未提出解决已识别瓶颈的具体机制
实证结果基于当前智能体架构，可能不适用于所有未来系统

技术栈

Vision-Language ModelsGenerative World ModelsAgentic TasksVisual Question Answering

资源

论文