Awesome World Model Hub 论文 · 数据集 · 项目
← 返回论文列表

Quo Vadis, World Modeling?

arXiv 2026 59.3 theory, survey

TLDR

提出以智能体为中心的交互式世界代理,从物理状态预测转向更广反馈模态以改进智能体。

评分理由

The paper offers a novel conceptual framework by categorizing world proxies into six functional forms and three agent empowerment levels, which is a strength. However, it lacks empirical validation or real-world experiments, making it purely theoretical.

Read-first 评分解释

综合优先阅读分 59.3,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 31。

方法质量 25%
100

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:基准、评估、实验、结果、验证

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

主题相关性 42%
44.3

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%
30

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:480。

关键词评分

world model
9
interactive world model
8
world simulator
5
generative world model
3
world dynamics prediction
3
model-based reinforcement learning world model
2
video world model
1

深度分析

创新点

  • 将世界建模从物理状态预测转向智能体可用的信息转换,引入Agent-Centric Interactive World Proxies。
  • 将世界代理组织为六种功能形式:动力学代理、空间代理、执行代理、记忆/经验代理、技能代理和奖励/验证代理。
  • 定义了智能体-代理交互的三个渐进层次:推理时指导、训练时优化和智能体-代理协同进化。

方法

这是一篇概念性论文,提出了一种分类法和设计空间。它通过将反馈模态分类为六种功能形式,并分析它们如何赋能智能体在三个递增自主性和适应性的层次上,系统地映射了以智能体为中心的世界代理。

关键结果

未报告实证结果;该论文提出了一个概念框架和路线图,用于构建支持智能体持续改进的世界代理。

局限性

  • 纯概念性,无实验验证或实证证据。
  • 依赖提出的分类法和层次,缺乏定量基准或案例研究。
  • 缺乏六种代理形式和三个层次的具体实现细节或评估。

标签