World State Generator
来自 arXiv · 期号 2026-09-21
摘要
语言 agent 按计划行动，但世界只要拒绝一步，整个目标就卡住了。 问题在于计划是用自然语言写的，而世界有物理限制、逻辑依赖和顺序要求，这些规则语言里一句都没提。agent 只有等到某一步执行失败，才知道世界不答应。 WSG 把计划写成世界可检查的状态序列。当某一步失败，WSG 把这次失败当作世界说出的规则，重写后续状态来遵守它，让计划随着运行不断向世界弯曲。 在 7 个公开 benchmark 上，WSG 把两个约 30B 参数的开源模型的端到端成功率从提示词方案的水平提升到了接近闭源模型。 训练数据来自 7 个合成领域、约 22.6 万条轨迹，每条都包含一次验证过的失败和一次让世界认证通过的修复。
深读
导读 语言 agent 按计划行动，但世界只要拒绝一步，整个目标就卡住了。这篇论文提出 World State Generator (WSG)，把计划写成世界可检查的状态序列，当某一步失败时，WSG 将失败视为世界说出的规则并重写后续状态来遵守它。读完能带走一种让 agent 计划在运行时不断向世界弯曲的方法，以及它在 7 个公开 benchmark 上把开源模型成功率提升到接近闭源模型水平的实证结果。 关键信息 - 训练数据来自 7 个合成领域，共约 22.6 万条轨迹，每条包含一次验证过的失败和一次让世界认证通过的修复。 - WSG 将两个约 30B 参数的开源模型的端到端成功率从提示词方案的水平提升到了接近闭源模型。 - 在 7 个公开 benchmark 上验证了效果，但论文未列出具体 benchmark 名称和数字。 逐节讲解 问题：语言计划与世界规则脱节 语言 agent 通过计划和行动解决复杂任务。世界只要拒绝其中一步，整个目标就无法达成。提示词规划器在这一点上反复失败：它用新措辞重写被拒绝的步骤，却遭遇同样的拒绝，最终耗尽尝试预算。根本原因在于计划是用自然语言写的，而世界有物理限制、逻辑依赖和顺序要求，这些规则在语言里一句都没提。agent 只有等到某一步执行失败，才知道世界不答应。 方案：合成世界与训练数据 论文构建了 7 个合成领域的世界。每个世界由程序强制执行规则并判定目标是否达成，且只有从初始状态可达的目标才会被纳入。agent 在这些世界中运行，留下验证过的失败以及对应的修复，修复后的运行到达了世界认证通过的状态。最终收集到约 22.6 万条这样的轨迹作为训练数据。 核心方法：World State Generator WSG 是一个模型，它将计划写成世界可检查的状态序列，并让这个计划始终与它运行的世界对齐。当某一步失败时，WSG 把这次失败当作世界说出的规则，重写后续状态来遵守它，让计划随着运行不断向世界弯曲。这种对齐正是纯语言计划所缺乏的。 实验结果 在 7 个公开 benchmark 上，WSG 将两个约 30B 参数的开源模型的端到端成功率从提示词方案的水平提升到了接近闭源模型。论文未在摘要中给出具体模型名称和数字。 值得注意 原文仅为论文摘要，信息有限。具体 benchmark 名称、模型名称、成功率数字、合成世界的具体领域、WSG 的模型架构和训练细节均未在摘要中展开。这些信息需要阅读全文才能获得。