回复@AIM404:你没明白我意思，普通 agent LLM 学的是 states → action（我看到环境，我决定下一步干啥）。Qwen-AgentWorld 学的是 (states, action) → next_state。但是，不管你是啥，你如果跑benchmark跑出来的值，比如swe，那就应该是一个能力的逻辑，对吧，那你swe那么好，那我这个测试就是标准swe的逻辑啊//@AIM404:你可以试着在wm上想象训练一个agent，并和在真实数据集的同一场景下训练的agent做对比。主要是我理解的wm这玩意就是用来加速训练或者做某种任务mcp规划的“大脑组件”的，直接测应该是不大好测