本文主要由伊利诺伊大学香槟分校的钱成博士牵头配合完成。钱成面前为二年岁博士生体育游戏app平台，其主要商量观点为大模子启动智能体，包括智能体推理，交互以及物千里着自在能等。导师为季姮老师。

2025 年是 Agent（智能体）技巧落地元年，而如今到了 2026年，World Model（天下模子）也随之有了更每每的技巧冲破。咱们一边拥抱着林林总总的智能体应用给活命带来切实的便利，另一方面，咱们也在加强天下模子的简直度与真实性，但愿着它们在将来能够赋能智能体，让智能体能够信得过像东说念主类分辨物理空间，念念考物理规章，从而愈加高效且精确的作念出推理与有规划。

这二者的接踵爆火并非只怕。若是从更本色的视角来看待天下模子和智能体的相干，便会发现：天下模子的本色在于给与当下关于环境的动作或扰动，在物理规章或环境甘休的调控下，进而量度下一步的环境情状；而智能体则是根据现时环境情状，在职务规划的调控下，输出下一步应该作念出的反应或动作。

从这个角度看，天下模子和智能体其实是一个天生互补的闭环，而这也恰是天下模子能够表面上赋能智能体有规划的基础。

从智能体的角度来看， 天下模子对其的赋能叫作念 Foresight（前瞻）。天下模子能够在智能体并莫得作念出任何动作前便模拟出可能的后果，就像东说念主类会「脑补」假如作念了某件事之后可能会产生的影响，从而幸免危害，提高成果，愈加感性的在当下进行有规划。只不外，东说念主类更像是智能体和天下模子的联结体，因为既领有前瞻才略，亦然任务的实行者。

然则当下智能体和天下模子经常是按照两个实足不同的范式分开西宾，那么便再换一种愈加苟简的念念路：从智能体的角度，若是天下模子就是用来提供前瞻性的器具或第三方模块，那么后者在当下能够告捷赋能智能体有规划吗？

来自伊利诺伊大学香槟分校、清华大学、约翰霍普金斯大学以及哥伦比亚大学的商量东说念主员在反复历练后，却得出来一个与咱们的直观有点相悖的论断：大大都当下智能体并不可自如、有用地把天下模子行为前瞻器具。

这个职责也点出了在当下智能体与天下模子派遣之年激越背后信得过的瓶颈：若是真实但愿天下模子能够有用赋能智能体，咱们不仅需要智能体更强的实行才略或是天下模子更真实的模拟才略，同期也需要二者更好的磨合和适配，即智能体需要知说念这个前瞻才略何如用、何时用，才智更好地把推演融入到其多步有规划的闭环中。这项才略在著作中被称作 Foresight Governance（前瞻治理）。

论文地址：https://arxiv.org/pdf/2601.03905

将天下模子的前瞻「器具化」

关于智能体而言，万物皆是完了规划的器具：互联网，数据库，致使是东说念主类，其实都不错看作是智能体为了达到规划的器具箱。

举例智能体向用户反问了一个领路性质的问题，这时「向用户领路」，或者说「向用户提取极度信息」便也不错看作是其为了完了目的的技能或器具之一。这一论断在 MCP 以及 Skill 兴起后更是如斯，因为技能其实就是器具的综合化，而斡旋接口后，智能体通过 MCP 关于外部的通盘理会都不错看作是技能化，器具化的。

那么，从智能体的角度，它将何如看待天下模子呢？谜底呼之欲出，那就是将天下模子也看作一种能够提供前瞻性的器具。基于这个念念路，著作作家领先构建了一套以智能体为中枢，将天下模子「器具化」的商量范式。

图 1: 活着界模子「器具化」的范式下，智能体在每一步实行前能够自行采纳是否调用天下模子进行前瞻

在这套范式中，智能体不仅能够调用传统道理上的器具来实行和治理问题（举例不同 API 接口），同期其也不错在进行每一走路动前，都自行采纳是否调用是天下模子来对动作影响进行前瞻。

举例在上图的例子中，把智能体扬弃于一个密室脱逃的具身环境中，智能体便不错采纳调用模拟器对铁栅拉拽的动作后果进行前瞻和评估，从而更高效的找到信得过的脱逃出口。

任务与测试模式拆解

作家在著作中主要探索了两类任务，其中每一类，天下模子都能「表面上」辅助智能体更好的进行有规划和筹算：

智能体任务（Agentic Task）：这类任务频繁把智能体扬弃于一个模拟环境中，其需要主动进行多部推理来完了任务规划，举例推箱子，物品拾取，定向寻物等等。

在智能体任务中，环境模拟器本人就是一个自然的天下模子，其能够径直匡助智能体赢得精确的动作前瞻信号，表面上应当能匡助智能体遁入一些不可逆的荒唐，让规划完成愈加精确与高效。

视觉推理任务（VQA Task）：著作还挑选了一部分关联空间感知的视觉推理任务进行评测，举例图片中物品相对位置的判断，相机视角的切换等等。这些任务固然以图片作为输入，然则智能体经常也能用天下模子的量度愈加精确的把合手图片所反馈的三维空间中的物品位置，视角等等，进而表面上辅助视觉推理任务的作答。

在这类任务里，咱们不再有一个百分百准确的模拟器提供真实的前瞻信号，因此作家接收了以开源模子 WAN2.1 进行 Rollout 的方式，模拟关于智能体指定动作的前瞻量度，并将视频信息复返给后者，以匡助其进行推理。

除了这两类任务，著作还接收了三种评测模式来进行对比分析：

原始模式（World Model Invisible Mode）：即被测模子正常完成任务，不知说念天下模子的存在，也不会调用天下模子的前瞻信号来进行辅助；

正常模式（Normal Mode）：即被测模子知说念天下模子的存在，也知说念如何调用，不错摆脱地在每一步实行前决定是否调用。这亦然著作的主实验建树；

强制模式（World Model Forcing Mode）：即被测模子知说念天下模子的存在，况兼在每一步实行前都被系统强制要求必须要调用天下模子，哄骗前瞻，以对现时动作产生的影响进行量度和评估。

天下模子对智能体的赋能并不可靠

对比原始模式以及正常模式，在 GPT、Llama、Qwen 等当下主流模子上，著作发现了有点出乎预见的收尾。

图 2: 在智能体任务（上） 以及视觉推理任务（下）上的主要实验收尾：天下模子带来的动作影响前瞻，就算是百分百精确的，也并不可依期的匡助智能体教育才略。

发现一：天下模子带来的增强并不可靠，许多时分反而会拖后腿

著作对比了正常模式和原始模式，并发当今智能体任务中，被测模子在引入智能体的前瞻信号后，并莫得有用的对其进行利用，反而是将其行为了噪声，从而使得平均阐扬致使更差。这并不是前瞻信号不准确形成的：因为在智能体任务中，前瞻信号来自模拟器真实的径直模拟，这个复返收尾一定是百分百准确的，然则被测智能体弥远照旧无法有用对其进行迷惑。

在视觉推理任务中，作家也发现了类似的景象：模子在利用前瞻信号后教育很小，险些不错忽略不计。这些通盘收尾都在挑战着「天下模子都应该能自然赋能智能体行为」的直观，也辅导着咱们在面前智能体和天下模子分开西宾的范式下，二者的磨合还并不够完善。

图 3: 在不同任务上模子调用天下模子的平均次数：大部分模子许多时分并不肯意调用天下模子进行前瞻，而更信托自身推理。

发现二：被测模子经常根底不肯意调用天下模子进行前瞻

著作还极度统计了天下模子在每个任务中平均被调用的次数。统计完才发现，在正常模式下，许多模子去尝试进行前瞻的意愿致使都绝顶低，关于天下模子的调用率也全体偏低。

这个倾向在视觉推理任务上尤其彰着：许多模子眷属关于天下模子前瞻的调用不及 0.1，GPT-5 更是一次调用都莫得，实足信托着我方的推理才略。然则从图 2 的模子阐扬来看，其仅凭借自身的推理也并莫得达到接近满分的程度。

这个收尾也意味着，被测智能体并不是不会调用天下模子，许多时分只是单纯的自信，不想调用外部信号来增强自身前瞻。大部分面前模子都破碎着关于自身的泄漏理会，不知说念关于前瞻应当何时利用。

图 4: 天下模子前瞻的调用关于不同模子的影响：横蛮经常互相对消。

发现三：不同模子眷属的调用秉性不同，但都不等于会用

著作还不雅察到了一些道理的模子眷属间的各异：有的模子眷属会更积极的调用前瞻信号，但收益不彰着，举例 Llama 系列模子就是如斯。而就算在销亡个模子眷属中，经常小模子也会更爱调用天下模子提供的前瞻信号，而大模子经常愈加自信，倾向于「我我方想就够了」。这点比较合适直观，因为小模子经常需要外部器具的调用来弥补自身才略的不及。这个景象经常被称作 Cognitive Offloading（理会背负改造）。

然则同期，从收尾当中也不丢丑出，关于天下模子调用率高的也并不虞味着阐扬就一定会高潮，而调用率低的也并不虞味着就更安全。就像图 4 当中所展现的，天下模子关于面前智能体阐扬来说，功过经常相抵。

这一景象标明除了何时利用的问题，智能体面前还需要学会如何更好的将前瞻融入到推理中，即若何利用。

智能体与天下模子交互的要津在于前瞻治理

上述的通盘发现都推动着商量东说念主员进一步念念考，智能体与天下模子的交互到底是那里出现了问题。从何时利用，到若何利用，著作作家转头出了现时天下模子赋能智能体问题的根源：前瞻治理。

固然收尾都有点出乎预见，然则著作并非想抒发这个范式是错的或者天下模子的前瞻没用。恰好相悖，若是通盘这个词智能体与天下模子交互的闭环每一步都能够进行更好的前瞻治理，咱们反而能匡助智能体更好的利用天下模子，从而对环境进行感知与学习。

著作关于前瞻治理给出了三个伏击的方面，并断绝构建了防护的类别框架：

第一阶段：Foresight Formulation （问什么），即智能体侧何时应当用到前瞻，以及在恳求天下模子模拟时应当模拟什么的战略；

第二阶段：Simulation Generation （模拟什么），即天下模子侧在进行模拟时如何保证真实，高质料，能够更有用的辅助智能体；

第三阶段：Interpretation & Integration（何如用），即智能体侧在给与复返的前瞻信号后，如何有用对其利用，带领下一走路动。

图 5: 模子能够告捷进行前瞻治理的原因分析。

告捷的前瞻治理：三件事不可偏废

Strategic Input（技巧性的前瞻恳求战略）：智能体要能猜测该如何向天下模子发起恳求，恳求什么。在智能体任务中，这个恳求经常就是下一步要实行的动作本人，可能莫得太多战略可言。然则在视觉推理任务中，战略就显得尤其伏击。举例任务在连络相机视角是如何切换的时分，智能体便不错让天下模子模拟视角向左转，向右转等，并进行比较，看哪个模拟愈加合适实验，进而进行作答。这就是利用天下模子进行假定 - 考据。自然还有更多的恳求模式，需要智能体来进行学习和探索。

Governance of Meaning（关于模拟收尾的语义把合手）：在告捷进行前瞻治理的测试案例中，作家发现智能体经常能够准确把合手模拟复返的精确内涵，举例从视觉信号当中得到模拟的动作是否能够有用股东任务程度等等。这需要智能体模子教育自身关于视觉或者视频信号的迷惑才略，也就是视觉智能体的基座才略。能把模拟当成考据 / 消歧左证，而不是只是是解题念念路的裱花。

Governance of Action（关于后续动作的有用带领）：智能体同期还需要自如地把前瞻收尾融入到下一步的行为战略，进而形成连贯念念路轨迹，以达到最终规划。著作作家留意到许多时分智能体只是是把模拟收尾当成念念路的「裱花」和单纯印证，而并非将前瞻信号利用为消歧的左证，这就导致智能体经常在「为了前瞻而前瞻」，而并莫得信得过把前瞻到的影响改造为行为上的带领。

图 5: 模子前瞻治理失败的原因分析

失败的前瞻治理：常见崩坏模式

Over Planning（过度肖似）：智能体经常肖似关于天下模子换取的前瞻模拟恳求，而并莫得信得往时股东任务，这就导致了智能体变成仿佛「拖延症患者」，直到用尽交互轮数也没法有用的股东任务程度；

Inefficient Tool Use（无效调用）：即智能体的模拟恳求本人歪邪不清，没能有用的告诉天下模子我方到底想要看到什么样式的模拟或者影响；

Confusion & Misinterpretation（微辞歧义）：许多时分，因为智能体自身关于想要前瞻什么都没抒发明晰，天下模子的复返便会绝顶微辞存在歧义。而这么的歧义在复返给智能体让其进行下一步动作时，智能体会变得愈加狐疑，从此堕入恶性轮回。也就是说，在通盘这个词智能体以及天下模子交互的闭环中，荒唐和歧义会被握住放大。

Action Loops / Loss of Focus（推理失焦）：智能体在利用前瞻信号时，行为经常前后飘荡，无法形成连贯有用的念念路，或者跳出当今荒唐的想法。这便会导致智能体推理有时堕入死轮回，或者干脆径直被前瞻信息误导而跑题。

基于上述这些不雅察，著作也点出了一个中枢论断：面前智能体与天下模子有用交互的主导瓶颈是前瞻治理的自如性。这启示着之后的商量除了不错作念更大更强的智能体或天下模子，同期也需要从智能体的角度探索如何更好地作念诊疗、校准、以及左证整合。

对智能体 + 天下模子激越的启示

启示一：比起单纯把天下模子接进器具箱，智能体更需要先学会判断「这一步值不值得前瞻」

从著作收尾来看，许多智能体的问题出在并不是莫得天下模子可用，而是不知说念什么时分该用、用了是否真实合算。说到底，现时智能体破碎的是一套关于前瞻调用时机、收益与风险的基本判断机制。只消先学会评估现时动作到底有莫得不降服性，前瞻能不可信得过减少有规划偏差，天下模子才不会只沦为一个排列。

启示二：天下模子信得过要赋能智能体的应是能够被行为左证使用的前瞻信号

著作里许多失败，本色上都不是因为模子什么都没看到，而是看到了以后也莫得把这些信息改造成有用的判断依据，最终仍然被主不雅推理带偏。这讲明未下天下模子的输出若是只是更长的情状形色、更齐全的生成画面，未必就能信得过帮到智能体。比拟之下，哪些变量发生了变化、哪些各异最要津、哪些论断更值得信托，反而可能是更伏击的智能体与天下模子间的接口体式。

启示三：将来信得过需要对皆的是智能体如何围绕前瞻缓助起自如的治理才略

这篇职责最值得青睐的少量正在于体育游戏app平台，它依然在尽量渴望的要求下给了智能体一个饱和可靠的模拟器，但收尾依然讲明，问题并不会因为模拟更准就自动消散。比起连接单纯追求更广阔的模子，后续商量大约更需要修起的问题是智能体若何建议更好的前瞻恳求，若何迷惑复返收尾，又若何把这些收尾信得过改造为下一走路动。换句话说，这点出了信得过需要补上的不单是模拟才略，而是围绕前瞻张开的整套治理才略。