Agentic World Modeling — 'world model' 개념을 levels × laws taxonomy로 통합 제시. 두 축: (1) capability levels — L1 Predictor(one-step local transition), L2 Simulator(action-conditioned multi-step rollouts), L3 Evolver(predictions 실패 시 자기 모델 자율 수정), (2) governing-law regimes — physical·digital·social·scientific. 400+ 연구·100+ 시스템(model-based RL·video generation·web/GUI agents·multi-agent simulation·AI-driven scientific discovery) 종합. decision-centric evaluation 원칙·minimal reproducible eval package·아키텍처 가이드 제시. passive next-step prediction에서 환경을 시뮬레이션·재구성하는 world model로의 로드맵.
- •World model을 levels(L1~L3) × laws(physical·digital·social·scientific) 2차원 taxonomy로 정형화.
- •L1 Predictor → L2 Simulator → L3 Evolver — 모델이 자기 예측 실패 시 자율 수정까지 단계적 정의.
- •400+ 연구·100+ 시스템 통합 분석 — RL·video gen·web agents·multi-agent·AI 과학 발견 전반 커버.
- •decision-centric 평가 원칙 + minimal reproducible eval 패키지 제안.
- •Passive prediction에서 환경 시뮬레이션·재구성 가능한 world model로의 로드맵 제시.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond
- 1.AI 에이전트의 환경 예측 능력을 체계화한 'levels × laws' 분류 체계(L1 예측기·L2 시뮬레이터·L3 진화기) 제안
- 2.물리적·디지털·사회적·과학적 4가지 법칙 체계별 세계 모델의 제약과 실패 원인 분석
- 3.400편 이상 논문 통합 리븷로 100여 개 대표 시스템 정리 및 새로운 평가 원칙 제시
- 4.의사결정 중심 평가 원칙과 아키텍처 가이드라인, 거버넌스 과제를 담은 로드맵 제시
왜 중요한가?
에이전트 AI가 텍스트 생성을 넘어 목표 달성 시스템으로 진화하는 과정에서 세계 모델링 능력이 핵심 병목임을 명확히 하고, 연구 로드맵을 제시한다.
본문 미리보기
arXiv:2604.22748v1 Announce Type: new Abstract: As AI systems move from generating text to accomplishing goals through sustained interaction, the ability to model environment dynamics becomes a central bottleneck. Agents that manipulate objects, navigate software, coordinate with others, or design experiments require predictive environment models, yet the term world model carries different meanings across research communities. We introduce a "levels x laws" taxonomy organized along two axes. Th
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:45AI 초안
