Qwen показали Qwen-AgentWorld - модель, которая учится симулировать среду, в которой агент действует.

Обычно LLM тренируют лучше пользоваться инструментами: искать, писать код, кликать по вебу, работать с терминалом.

А здесь идея другая: научить модель моделировать сами окружения.

Qwen-AgentWorld симулирует 7 типов агентных сред:

• MCP
• Search
• Terminal
• SWE
• Web
• OS
• Android

То есть модель пытается предсказывать, что произойдёт после действия агента в среде. Не пост-фактум адаптация, а цель обучения с первого дня.

Если языковая модель умеет моделировать окружение, её можно использовать как тренировочную площадку для агентов.

Авторы идут по двум направлениям:

1. построить foundation model для симуляции сред

2. проверить, усиливает ли world modeling обучение агентов

Самое интересное: по их данным, agentic RL в контролируемой симуляции может быть эффективнее, чем обучение в реальных средах. А предварительное обучение на предсказание окружений усиливает агентов даже без отдельного agent-specific fine-tuning.

Грубо говоря, это шаг к «тренажёру реальности» для AI-агентов.

Paper: https://arxiv.org/abs/2606.24597
Blog: https://qwen.ai/blog?id=qwen-agentworld
GitHub: https://github.com/QwenLM/Qwen-AgentWorld
HuggingFace: https://huggingface.co/collections/Qwen/qwen-agentworld
ModelScope: https://modelscope.cn/collections/Qwen/Qwen-AgentWorld