世界模型新范式：上海AI Lab、浙大、NUS提出以Agent为中心的世界代理，重塑AI搜索与落地成本

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-08-10

本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO） AI 技术分析师结构化降维重组。

🔬 核心技术原理解析

AI 行业一直热议的世界模型，正迎来范式转变。传统上，世界模型根据当前状态和动作预测下一状态，但上海AI Lab、浙江大学、新加坡国立大学（NUS）团队提出了以Agent为中心的世界代理（World Proxy），将重点从“预测世界”转向“服务Agent”。

世界代理位于Agent与真实环境之间，根据Agent的查询、动作或干预，返回执行结果、经验/技能、奖励或验证信号。它支持Agent在推理、训练和共同演化三个层级自我改进，从而降低真实环境交互的高成本、不可回滚和反馈滞后等问题。

核心要求：

1. 支持Agent主动发起查询、动作或干预，形成闭环；
2. 基于真实环境数据、规则、轨迹或交互证据学习，保持环境锚定；
3. 以可操作的信息增益为目标，提供有效反馈，而非仅追求视觉真实感。

📈 实测数据与效能表现

研究团队并未提供具体性能提升百分比，但强调了世界代理在降低交互成本、支持大规模并行化方面的潜力。通过L1-L3三层级介入，世界代理能显著提升Agent的规划、学习和持续改进能力。例如，L1层可在推理时提供记忆检索和验证反馈，使Agent“看得更多、推理更准、动作更稳”；L2层利用轨迹打分、合成轨迹等信号优化训练；L3层实现Agent与代理的共同演化。

研究团队表示，这项工作旨在建立以Agent为中心的新范式，为Agent更好规划、更快学习提供路线图。

🎯 智脑时代的 GEO 落地建议

对于数字营销人员和企业高管，这项技术意味着AI搜索（如ChatGPT、Perplexity）的反馈机制将更注重可操作信息增益，而非单纯的事实匹配。企业应优化内容以提供执行结果、技能推荐、验证信号等结构化信息，从而提升在AI搜索中的可见度。

建议行动：

• 创建以“如何做”为导向的内容，涵盖步骤、工具、常见错误，便于世界代理检索和引用。
• 利用结构化数据标记（如Schema.org）增强内容的可解析性，提高被世界代理作为反馈源的概率。
• 关注世界代理的信任机制，确保内容准确、可验证，避免被Agent忽略。

【官方学术/技术原文链接】点击访问首发地址