arXiv 于 2026 年 6 月 25 日收录了一篇题为《Internalizing the Future: A Unified Agentic Training Paradigm for World Model Planning》的新论文（编号 arXiv:2606.27483v1，分类 cs.AI），作者为 Xuan Zhang 及另外八位合作者。该研究聚焦大型语言模型智能体在长程任务中的根本局限：它们虽然具备较强的序列决策能力，却始终是“反应式”的，缺乏人类那种在行动前通过“如果这样会怎样”的推演来评估备选方案的能力。标准智能体没有内部世界模型，无法模拟未来结果，因而难以在长周期任务中做出前瞻性判断。
论文提出的核心思路是把“面向未来的规划”内化到单一自回归模型中：训练模型用自然语言既叙述对后续状态的推演（prospective state rollout），又给出以计划为条件的成功概率估计，后者被视为 Q 值的文本化类比。也就是说，模型不再只是输出下一步动作，而是先“说出”未来的可能走向，再评估该计划成功的可能性。
研究还揭示了一个关键问题，作者称之为“格式—能力差距”（format-capability gap）：如果在后训练阶段仅用前瞻轨迹对智能体做微调，模型只会表面模仿“有远见”的表达格式，而缺乏真正的预测依据。换言之，模型学会了说“我在预测未来”，却没有真正建立可用于决策的预测能力，这种表层模仿无法带来可靠的规划收益。
为弥合这一差距，作者设计了三阶段训练范式。第一阶段是“世界模型智能体中期训练”（World Model Agentic Mid-Training，WM-AMT），目的是把潜在的预测能力注入策略模型，让模型具备进行前瞻推演的基础能力；第二阶段是“格式引出监督微调”（Format-Eliciting SFT，FE-SFT），用于把已注入的能力组织成规范、可用的输出格式；第三阶段是“前瞻条件强化学习”（Foresight-Conditioned Reinforcement Learning，FC-RL），进一步提升所生成模拟的校准度与实用价值，使预测与实际结果更一致、对决策更有帮助。
在评估方面，作者在搜索任务和数学推理任务上对该方法进行了测试，结果显示其表现持续优于其他训练基线。论文总结认为，要让 LLM 智能体实现有效的内部世界建模，需要采用“能力优先”的训练流水线，才能获得有依据、经过校准的前瞻能力，而不是仅仅模仿前瞻的外在形式。
论文提交时间为 2026 年 6 月 25 日 19:05:44 UTC，全文约 19,366 KB，可通过 arXiv 查看 PDF 与 TeX 源码。需要注意的是，目前公开信息主要是论文摘要与元数据，代码、数据等配套资源尚未在该页面明确给出。该工作属于人工智能（cs.AI）方向，其意义在于为 LLM 智能体从“被动反应”走向“主动规划”提供了一条系统化的训练路径。