전통적인 환경 엔진 없이 긴 체인 추론을 통해 7개의 통합 도메인에서 에이전트 환경을 시뮬레이션하는 네이티브 언어 세계 모델
요약
Tongyi Qianwen 팀이 개발한 네이티브 언어 세계 모델(LWM)은 별도의 환경 엔진 없이 긴 체인 추론을 통해 7개 도메인의 에이전트 환경을 시뮬레이션합니다. 1,000만 개 이상의 상호작용 데이터를 활용하여 MCP, Android, Web 등 다양한 환경에서의 에이전트 상호작용을 구현합니다.
핵심 포인트
- 전통적인 환경 엔진 없이 언어 모델만으로 환경 시뮬레이션 가능
- MCP, 검색, 터미널, Android, Web 등 7개 통합 도메인 지원
- CPT, SFT, RL로 이어지는 3단계 학습 프로세스 채택
- 1,000만 개 이상의 실제 상호작용 궤적 기반 학습
전통적인 환경 엔진 (environment engines) 없이 긴 체인 추론 (long-chain reasoning)을 통해 7개의 통합 도메인 (unified domains)에서 에이전트 환경을 시뮬레이션하는 네이티브 언어 세계 모델 (native language world model).
https://
github.com/QwenLM/Qwen-AgentWorld
…
Tongyi Qianwen 팀이 제안한 네이티브 언어 세계 모델 (LWM)은 MCP, 검색 (search), 터미널 (terminal), SWE, Android, Web 및 OS의 7개 에이전트 상호작용 도메인을 다룹니다. 이는 1,000만 개 이상의 실제 상호작용 궤적 (interaction trajectories)을 기반으로 CPT (환경 지식 주입) → SFT (다음 상태 예측 추론 활성화) → RL (시뮬레이션 충실도 향상)의 3단계 학습 프로세스를 채택합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X @qingq77 (검증됨)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기