无需环境副本的智能体世界建模与测试时扩展
原标题：Agentic World Modeling for Agent Test-time Scaling without Environment Replica
AI 摘要
来自威斯康星大学麦迪逊分校和微软的研究者提出 Agentic World Modeling (AWM)，将下一观测预测重构为多轮证据获取任务：智能体模拟器通过安全的只读接口自适应查询真实环境，在不改变共享状态的前提下构建假设动作的结果观测。该方法与轨迹级测试时扩展（TTS）结合，使单一共享环境支持并行探索，在 τ-bench、AppWorld 和 OfficeBench 上平均比单次模拟基线高 40.07%，比训练过的世界模型基线高 12.36%。
正文节选
[Page 1] Preprint AGENTIC WORLD MODELING FOR AGENT TEST-TIME SCALING WITHOUT ENVIRONMENT REPLICA Wendi Li1,2∗, Huseyin A. Inan2†, Wei-Ning Chen2†, Yanzhi Chen2†, Chetan Bansal2, Saravan Rajmohan2, Sharon Li1 1University of Wisconsin–Madison 2Microsoft ABSTRACT Test-time scaling (TTS) improves large language model agents by sampling and