COMAP：面向大语言模型智能体的世界模型与策略共进化

为语言智能体配备世界模型可使其预判环境动态并评估动作，但现有模型训练后固定，无法适应智能体进化引发的分布变化。本文提出 COMAP 框架，通过闭环交互实现文本世界模型与智能体策略的共进化。在决策步中，世界模型预测未来反馈，智能体据此进行未来感知反思并优化动作；生成的轨迹通过自蒸馏更新世界模型，以匹配 evolving 的交互分布。实验表明，该方法在具身规划、网页导航等任务中显著优于基线，提升了长期决策能力。