Qwen-AgentWorld: Language World Models for General Agents

这篇论文把语言模型训练成 agent 的世界模型，让它能模拟环境反馈、辅助规划，并为真实 agent 预热训练。作者收集 7 个环境域的 1000 万条以上交互轨迹，训练 Qwen-AgentWorld-35B-A3B 和 397B-A17B，流程包含 CPT、SFT 与带混合奖励的 RL。它的贡献不在又做一个 agent，而在把环境动态、任务反馈和 rollout 经验压进模型本身，给高成本交互任务提供可替代的训练场。