Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond

이 연구는 에이전트 세계 모델링을 위한 수준 × 법칙 분류 체계를 도입하여, 능력을 Predictor·Simulator·Evolver 수준으로, 세계 유형을 물리·디지털·사회·과학 영역으로 범주화한다.

이 연구는 에이전트 세계 모델링을 위한 수준 × 법칙 분류 체계를 도입하여, 능력을 Predictor·Simulator·Evolver 수준으로, 세계 유형을 물리·디지털·사회·과학 영역으로 범주화한다. 이 프레임워크는 서로 다른 연구 노력을 통합하여 의사결정에 사용 가능한 시뮬레이션과 자율적 모델 수정에 대한 기준을 제공하며, AI 에이전트에 대해 수동적 예측에서 능동적·적응적 환경 이해로의 전환을 부각한다.

핵심 요약

• 다양한 AI 분야에 걸쳐 세계 모델 개념이 파편화되어 정의와 평가 관행이 일관되지 않고 진척을 비교하기가 어렵다.
• 세계 모델에 관한 기존 서베이는 대개 모달리티와 도메인을 가로지르는 일관된 능력 진행 단계나, 대형 생성 모델을 시뮬레이터로 분석할 정밀한 프레임워크가 부족하다.
• 신흥 에이전트형 AI 응용(예: 웹 에이전트, 멀티 에이전트 시스템)에서 세계 모델링이 하는 역할은 통합 프레임워크 안에서 과소 대표되는 경우가 많다.
• 세계 모델링 능력을 세 수준(L1 Predictor, L2 Simulator, L3 Evolver)과 네 가지 지배 법칙 영역(물리·디지털·사회·과학)으로 조직하는 포괄적인 수준 × 법칙 분류 체계를 도입한다.
• L2의 장기 일관성 및 개입 민감도, L3의 증거 기반 진단 등, 한 수준에서 다음 수준으로 능력을 끌어올리기 위한 명확하고 검증 가능한 경계 조건을 정의한다.
• 의사결정 중심 평가 지표(예: Action Success Rate, Counterfactual Outcome Deviation)로의 전환을 제안하고, 정의된 능력 수준에 맞춰 평가 프로토콜을 표준화한다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.