**语言智能体的策略与世界模型协同训练**

_Policy and World Modeling Co-Training for Language Agents_

> 该论文提出PaW框架，在强化学习训练语言智能体的同时，利用在线策略 rollout 中的状态转移作为监督信号，通过动作熵选择数据、噪声容忍损失和奖励自适应平衡等方法，无需额外推理计算即可提升智能体性能。在三个智能体任务基准上表现优于强RL基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.02388)