测试时扩展（Test-time scaling, TTS）通过在多个候选轨迹中采样并挑选，提高大语言模型代理的表现。传统实现假设这些轨迹可以并行执行，但在真实部署中，企业工作空间和云服务是共享且持久的，复制成本高且不可行，且动作可能产生不可逆的副作用或跨轨迹干扰。现有生成式世界模型通过将环境状态压缩到单一提示中进行预测，难以在部分可观测条件下可靠模拟状态转移。\
为了解决上述问题，我们提出 代理式世界建模（Agentic World Modeling, AWM）。AWM 将下一个观测的预测重新表述为多轮证据获取任务：对于每个假设动作，代理式模拟器通过安全的只读接口自适应查询真实环境，基于返回的证据进行推理，并利用可执行计算构造观测结果，而不改变共享状态。\
将 AWM 与轨迹级 TTS 结合后，即可在单一共享环境上实现并行探索。我们在 $\tau$-bench、AppWorld 和 OfficeBench 三个基准上进行评估，AWM 相比单次模拟基线提升 40.07%（平均），相较于训练的世界模型基线提升 12.36%（平均）。这些实验表明，交互式、基于读取的仿真是实现安全、可扩展的代理测试时扩展的实用基础，尤其适用于不可重置的共享环境。\
点评：AWM 通过只读交互和可执行推理，突破了传统世界模型对环境复制的依赖，为大模型代理在真实系统中的安全部署提供了可行路径。