「每日一篇·AI前沿论文速读」 一句话概括：Qwen团队推出首个覆盖7大Agent交互域的语言世界模型Qwen-AgentWorld，通过「CPT注入→SFT激活→RL锐化」三阶段训练，让大模型能精准预测智能体在终端、搜索、代码工程等环境中的下一步状态——相当于给AI Agent装上「脑内模拟器」。 论文信息： - 标题：Qwen-AgentWorld: Language World Models for General Agents - 作者：Yuxin Zuo, Zikai Xiao 等（Qwen Team） - 机构：阿里巴巴 Qwen 团队 主要创新点： 1. 统一语言世界模型：基于MoE架构（35B-A3B/397B-A17B），首次在一个模型中覆盖MCP、Search、SWE、Terminal、Android、Web、OS共7大交互域。 2. 三阶段训练管线：CPT从10M+真实交互轨迹中注入世界建模能力；SFT激活下一状态预测推理；RL以混合奖励锐化模拟保真度。 3. AgentWorldBench评测基准：2170个轮级样本、5个评估维度、完全分布外评估。 4. 双重应用范式：解耦模式下作为环境模拟器支持4000+ OpenClaw环境的Sim RL训练；统一模式下作为Agent Foundation Model warm-up。 5. 统一交互轨迹Schema：所有域共享(action, observation)格式，系统提示词含5个组件确保跨域泛化。 关键实验结果： - AgentWorldBench综合得分58.8，超越Opus 4.8、GPT-5.4、Gemini 3.1等。 - 域内训练提升11.5-14.2分，域外迁移提升5.0-11.8分。 - Sim RL在MCP Mark上+12.3、QwenClawBench上+7.1、Claw-Eval上+4.3。 - Agent warm-up在BFCL v4上+9.0、Terminal-Bench 2.0上+6.3。 - RL后预测准确率从69.9%升至78.3%（+8.4%）。 为什么值得关注：当前LLM Agent研究几乎全集中在Policy侧，World Model侧几乎空白。本文证明世界模型是通用智能体的关键拼图——既能做大规模环境模拟训练，又能作为Agent预训练warm-up。所有做Agent方向的人应认真读。