聊聊 World Model in Agentic RL！
中文摘要
本文系统梳理了 Agentic RL 中世界模型的研究脉络，探讨训练信号、预测目标与信用分配，指出其正从状态预测器转向信用估计器。
English Summary
This article reviews World Models in Agentic RL, focusing on training signals, prediction targets, and credit formation, shifting from next-state predictors to credit estimators.
Original Excerpt
📌 一句话摘要 本文以训练信号、预测目标与 Credit 形成三个递进问题为框架，系统梳理 World Model 在 Agentic RL 中的研究脉络，指出其正从 next-state predictor 逐步走向 Credit estimator。 📝 详细摘要 文章以三个递进问题为主线——信号如何进入训练、World Model 要保留什么、预测未来后怎样形成 Credit——系统梳理 World Model ...