DSWorld：面向高效自主智能体的数据科学世界模型

针对自主数据科学智能体依赖昂贵试错工作流的问题，本文提出数据科学世界模型概念，通过预测当前工作流状态及候选操作下的环境状态转移来模拟执行环境。作者构建了 DSWorld 框架，整合结构化状态构建、成本感知路由、轻量级真实执行及基于大语言模型的模拟器。此外，构建了 8K 规模的状态转移轨迹数据集，并提出反思性世界模型优化策略以提升预测精度。实验表明，该方法显著加速了智能体的训练与推理过程，同时在性能上优于最强基线。