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