Tongyi Qianwen veröffentlicht Qwen-AgentWorld: das erste native Sprach-Weltmodell, das sieben Bereiche für Text und GUI abdeckt
Das Team von Tongyi Qianwen hat offiziell Qwen-AgentWorld veröffentlicht. Es handelt sich dabei um das erste native Sprach-Weltmodell, das die Modellierung der Umgebung bereits in der vortrainierten Phase als Trainingsziel fest in den Trainingsprozess integriert – und nicht um eine nachträgliche Anpassung eines allgemeinen Large Language Model. Das Modell deckt in einem einzigen Framework gleichzeitig textbasierte Umgebungen (MCP, Search, Terminal, SWE) sowie GUI-basierte Umgebungen (Web, OS, Android) ab – insgesamt sieben Bereiche. Basierend auf über 10 Millionen echten Umgebungs-Interaktionsverläufen durchläuft es ein dreistufiges Training von CPT→SFT→RL und ermöglicht so den Transfer von Wissen über verschiedene Domänen hinweg. Parallel dazu wurde der Open-Source-Evaluationsbenchmark AgentWorldBench veröffentlicht; jede Testszenario-Probe ist mit Beobachtungsdaten ausgestattet, die durch die Ausführung in einer echten Umgebung gewonnen wurden. Das Modell und der Evaluationsbenchmark sind auf Hugging Face und ModelScope verfügbar.
Warum es wichtig ist: Qwen-AgentWorld ist das erste „native Weltmodell“ statt „nachträglich adaptierten Agenten“ – das bedeutet, dass die KI bereits ab dem ersten Tag des Trainings lernt, reale Umgebungen zu verstehen, statt dass später nur „aufgepfropft“ wird. Dieses Paradigma könnte die grundlegende Architektur von KI-Agenten neu definieren.
#Qwen #通义千问 #AI #Agent #Künstliche Intelligenz
Das Team von Tongyi Qianwen hat offiziell Qwen-AgentWorld veröffentlicht. Es handelt sich dabei um das erste native Sprach-Weltmodell, das die Modellierung der Umgebung bereits in der vortrainierten Phase als Trainingsziel fest in den Trainingsprozess integriert – und nicht um eine nachträgliche Anpassung eines allgemeinen Large Language Model. Das Modell deckt in einem einzigen Framework gleichzeitig textbasierte Umgebungen (MCP, Search, Terminal, SWE) sowie GUI-basierte Umgebungen (Web, OS, Android) ab – insgesamt sieben Bereiche. Basierend auf über 10 Millionen echten Umgebungs-Interaktionsverläufen durchläuft es ein dreistufiges Training von CPT→SFT→RL und ermöglicht so den Transfer von Wissen über verschiedene Domänen hinweg. Parallel dazu wurde der Open-Source-Evaluationsbenchmark AgentWorldBench veröffentlicht; jede Testszenario-Probe ist mit Beobachtungsdaten ausgestattet, die durch die Ausführung in einer echten Umgebung gewonnen wurden. Das Modell und der Evaluationsbenchmark sind auf Hugging Face und ModelScope verfügbar.
Warum es wichtig ist: Qwen-AgentWorld ist das erste „native Weltmodell“ statt „nachträglich adaptierten Agenten“ – das bedeutet, dass die KI bereits ab dem ersten Tag des Trainings lernt, reale Umgebungen zu verstehen, statt dass später nur „aufgepfropft“ wird. Dieses Paradigma könnte die grundlegende Architektur von KI-Agenten neu definieren.
#Qwen #通义千问 #AI #Agent #Künstliche Intelligenz