Trace2Env: Lernfreies Framework simuliert Umgebungen aus Interaktionstraces

Trace2Env simuliert Umgebungen ohne ausführbares Originalsystem

Für das Training und die Bewertung von LLM-Agenten werden realistische Umgebungsnachbildungen immer wichtiger. Doch oft ist das Originalsystem nicht verfügbar oder praktisch nicht reproduzierbar. Trace2Env setzt hier an: Das Framework ist lernfrei und für genau solche Szenarien gedacht, in denen das ursprüngliche System fehlt, aber historische Interaktionstraces noch zugänglich sind. Statt eine ausführbare Umgebung neu aufzubauen, rekonstruiert Trace2Env diese Traces in ein wiederverwendbares Environment-Worldbook. Dieses Worldbook enthält nach Angaben der Autoren drei Elemente: Umgebungsschemata, die Aktionen und Zustandsfelder benennen, fundierte Belege aus den Traces sowie induziertes Verhaltenswissen. Die Schemata legen fest, welche Aktionen in der Umgebung möglich sind und welche Zustandsfelder existieren. Die fundierten Belege stammen direkt aus den historischen Aufzeichnungen und verankern das Worldbook in beobachteten Interaktionen. Das induzierte Verhaltenswissen beschreibt, wie sich Aktionen typischerweise auf den Zustand auswirken. Trace2Env ist als lernfreies Framework konzipiert: Es benötigt keine separate Trainingsphase, weil es die historischen Traces direkt in ein strukturiertes Worldbook überführt, das Umgebungsschemata, fundierte Belege und induziertes Verhaltenswissen enthält. Damit entsteht aus den Aufzeichnungen eine kompakte, verhaltensbezogene Spezifikation der Umgebung, ohne dass der ursprüngliche Code oder die Maschinen erneut in Betrieb genommen werden müssen. Der Ansatz zielt darauf ab, die Lücke zu schließen, die entsteht, wenn Terminals, Software-Arbeitsplätze oder interne Systeme nicht mehr gestartet werden können, ihre Interaktionsprotokolle aber erhalten geblieben sind.

Weltmodell-Agent inferiert Beobachtungen und verbessert Langzeit-Konsistenz

Zur Laufzeit übernimmt ein Weltmodell-Agent die Rolle der Umgebung. Er konsultiert aktiv das Worldbook zusammen mit einem persistenten episodischen Zustand. Auf dieser Grundlage inferiert er für jede Aktion eines Task-Agenten die zugehörige Beobachtung sowie dauerhafte Zustandseffekte. Das unterscheidet Trace2Env von konventionellen, prompt-basierten Sprachweltmodellen, die lediglich die nächste Beobachtung aus Beschreibung, Verlauf und aktueller Aktion vorhersagen, ohne latente Zustandsänderungen zuverlässig festzuhalten. Über neun Umgebungen hinweg verbessert Trace2Env laut der Veröffentlichung sowohl die Next-Observation-Fidelity als auch die Langzeit-Interaktionskonsistenz gegenüber diesen prompt-basierten LWMs. In Multi-Turn-Interaktionen bleiben Aktionen, die ein Task-Agent gegen Trace2Env generiert hat, häufiger gültig, wenn sie anschließend in der realen Umgebung erneut abgespielt werden. Diese Verbesserungen rechtfertigen den agentischen Sprachweltmodellierungs-Ansatz als sinnvolle Alternative zum Aufbau realistischer Umgebungen: Die durchschnittliche Next-Observation-Fidelity steigt von 69,51 auf 75,94 für GPT-basierte Modelle und von 68,71 auf 75,75 für DeepSeek; in ALFWorld verbessert sich die Erfolgsquote beim Wiederabspielen von Aktionen von 3% auf 85%. Die höhere Fidelity zeigt, dass der Weltmodell-Agent die unmittelbaren Konsequenzen von Aktionen präziser vorhersagt, während die bessere Langzeit-Konsistenz belegt, dass er frühere Zustandsänderungen über mehrere Schritte hinweg zuverlässig festhält. Dadurch bleiben die von Task-Agenten generierten Aktionen bei der Wiederholung in der realen Umgebung deutlich häufiger gültig, was die praktische Verwendbarkeit der simulierten Umgebung für Training und Evaluation unterstreicht.