행동하기 전에 세상에 물어보세요: 세계 모델 교정을 위한 예산 기반 환경 탐색

Ask the World Before Acting: Budgeted Environment Probing for World-Model Calibration

장기적인 언어 에이전트는 단순히 행동을 선택하는 것뿐만 아니라, 의사 결정 과정에서 자체적으로 구축한 세계 모델을 사용합니다. 이 모델이 왜곡되면, 실패가 발생하기 전에 그 원인이 나타날 수 있습니다. 본 연구에서는 직접적인 수정 메커니즘을 제시합니다: 에이전트는 다음 작업 단계를 수행하기 전에 환경에 특정 정보(믿음) 필드에 대해 질문하고, 답변을 자신의 세계 모델에 다시 반영할 수 있습니다. 이를 통해 환경과의 상호 작용은 단순히 작업을 진행하는 방법이 아니라, 제한된 자원으로 활용되는 교정 도구가 됩니다. 우리는 구조화된 믿음 테이블을 위한 예산 기반 탐색 연산자인 exttt{method}를 소개합니다. 유용한 탐색은 모든 곳에서 동일하지 않습니다. 예를 들어, 도구 의존성과 같은 절차적 믿음은 종종 타겟 검사를 통해 수정할 수 있지만, 이러한 검사는 작업에 필요한 단계를 소모할 수 있습니다. 반면, 물체의 위치나 그래프의 연결과 같은 공간적 믿음은 구조적인 신호에 더 의존하며, 에이전트 자신의 확신은 화면 밖에서 세상이 변하는 경우 부정확할 수 있습니다. 유형별 분석을 통해 이러한 탐색-행동 경계를 공식화하고, 통제된 실험 결과는 계획 중인 단계에서 얻은 환경 정보가 작업의 구조를 따르는 탐색 정책을 사용할 때 최종 세계 모델 오류를 줄이는 데 도움이 된다는 것을 보여줍니다.

Long-horizon language agents do not only choose actions; they carry a private model of the world from one decision to the next. When that model drifts, a later failure can be decided before the failing action is ever taken. We study a direct repair mechanism: before committing to the next task action, an agent may ask the environment about one belief field and write the answer back into its world model. This makes environment interaction a scarce calibration resource, not merely a way to advance the task. We introduce \method, a budgeted probing operator for structured belief tables. The useful probes are not the same everywhere. Procedural beliefs, such as tool dependencies, can often be repaired by targeted checks, but those checks spend steps that the task may need. Spatial beliefs, such as object locations and graph edges, rely more on structural cues; the agent's own confidence can be a poor guide when the world changes off-screen. A type-stratified analysis formalizes this probe-action frontier, and controlled experiments show that mid-planning environment evidence reduces terminal world-model error when the probe policy follows the structure of the task.