世界モデルをエージェントのフィードバック代替として捉え直す論文

HF Daily Papersで紹介された論文は、エージェントを改善するには静的な教師データだけでなく、動的な相互作用から得られるフィードバックが必要だと論じている。一方で、現実世界との直接的な相互作用はコストが高く、時間がかかり、安全性に課題があり、並列化もしにくい。著者らは「Agent-Centric Interactive World Proxies」を提案し、世界モデリングの焦点を物理状態遷移の予測から、実行結果、検索された経験やスキル、検証シグナルなど、エージェントに有用な情報遷移へと移している。設計空間は、ダイナミクス、空間、実行、記憶・経験、スキル、報酬・検証の6種類のプロキシに整理されている。