Hugging Face发布AEWM优化LLM智能体决策
发生了什么
据Hugging Face Papers报道，研究提出Agent-Editing World Model (AEWM)，通过编辑推理状态而非预测工具输出来优化LLM智能体决策。AEWM结合Action Judge与State Revision，在Search、Terminal和Software Engineering任务中提升性能。其在Action Judge基准上达到70.5% macro-F1，领先最强基线10.6分；EditAct在六项基准上平均提升3.2–6.7分。
- Action Judge macro-F1
- 70.5%
- 领先最强基线分数
- 10.6 points
- EditAct平均提升分数
- 3.2--6.7 points
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- Hugging Face Papers转载
Paper page - Agent-Editing World Model: Rethinking World Modeling for LLM Agents
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口