Agima

Agima（Agentic Imagination）是一个训练框架，训练单个「全能模型」（omni model）完成三项任务：提出候选动作、生成这些动作可能导致的未来画面、并在想象出的未来上进行推理以决定真实执行的动作。

Agima 的训练分为两个阶段：第一阶段用监督微调（SFT）将策略与世界模型统一到同一个全能模型中；第二阶段用智能体强化学习（RL）教模型在想象出的未来上进行推理并用于规划。

Agima 在 Maze2D、Sokoban、Pacman 和 PushT 四个环境中进行了验证，并且能够泛化到训练中未见的更难设置。

仅在 Sokoban「两箱」版本上做 SFT 训练后，Agima 在「四箱」谜题上解出了 40%，且每五步才看到一次真实棋盘。

在 Sokoban 四箱任务上，一个仅基于动作的规划器（action-only planner）只能解出 2%，远低于 Agima 的 40%。

经过 RL 阶段后，Agima 涌现出训练中未显式教授的行为，包括统一格式的自发形成、按需前瞻（只在必要时进行前向思考）以及在关键决策点上更高频率的分支探索。

Agima 项目主页已公开，地址为 agima.net。

Agima 让同一个全能模型同时承担策略与世界模型两种角色，使想象与决策共享表征，这是它能用稀疏真实反馈完成四箱 Sokoban 的关键。