[논문리뷰] Qwen-AgentWorld: Language World Models for General Agents본 연구는 대규모 언어 모델(LLM) 기반 에이전트가 효과적으로 작동하기 위해 필수적인 환경 시뮬레이션 능력, 즉 World Model의 부재를 해결하고자 합니다. 기존 연구는 에이전트의 정책(Policy) 결정에만 집중할 뿐, 환경의 동역학을 예측하는 World Model 구축에는 소홀했습니다.#Review#Language World Model#Agentic Environment#Foundation Model#Reinforcement Learning#Chain-of-Thought#Agentic Agents#Simulation Fidelity2026년 6월 23일댓글 수 로딩 중
[논문리뷰] SKILL0: In-Context Agentic Reinforcement Learning for Skill Internalization저자들은 Skill0 프레임워크를 제안하며, 이는 ICRL과 Dynamic Curriculum을 결합하여 스킬을 단계적으로 내재화한다 . 학습 초기에는 풍부한 스킬 문맥을 제공하여 에이전트의 초기 탐색을 돕고, 학습이 진행됨에 따라 스킬 예산을 선형적으로 감소시켜 에이전트가 스스로 최적의 전략을 내재화하도록 유도한다.#Review#In-Context Reinforcement Learning#Skill Internalization#Agentic Agents#Dynamic Curriculum#Context Compression2026년 4월 2일댓글 수 로딩 중