Critique of Agent Model

论文解决了什么问题

随着大量系统被冠以 agent 之名，自动化与真正 agency 的边界变得模糊：许多系统依赖外部工具、workflow 和控制循环完成任务，其能力主要来自工程编排而非模型自身。论文要回答的核心问题是：什么构成真正的 agency，现有系统为何仍属 agentic 而非 agentive，以及一个通用 agent model 应具备哪些内生结构。

核心方法

作者从目标、身份、决策、自我调节与学习五个维度构建分析框架，并提出 Goal-Identity-Configurator（GIC）架构。该架构将层级目标分解、可演化身份、基于独立世界模型的 simulative reasoning、学习型 configurator 自我调节，以及来自真实与模拟经验的 self-directed learning 整合为统一设计。论文同时强调 agent model 与 world model 必须功能分离，前者决定行动，后者预测状态变化。

实验结论

• 提出 agentic 与 agentive 系统的五维区分框架：目标、身份、决策、自我调节、学习。
• 强调 agent model 必须与 world model 功能分离，避免将行动选择与下一状态预测混入同一模型。

适合谁阅读