摘要：大语言模型（LLM）智能体在序列决策中展现出强大能力，但在长周期任务中仍本质上是反应式的。与人类在行动前通过“假设推理”评估潜在计划不同，标准智能体缺乏用于模拟未来结果的内部世界模型。因此，我们提出通过训练单一自回归模型来内化面向未来的规划能力，使其能够同时表述前瞻性的状态推演和基于计划的成功估计——即 Q 值的文本类比。关键的是，我们识别出一个“格式-能力”差距：在训练后阶段仅对智能体进行前瞻轨迹的微调，会导致对前瞻能力的表面模仿，而缺乏真正的预测基础。为弥合这一差距，我们引入了一个三阶段训练范式：（i）世界模型智能体中期训练（WM-AMT），用于将潜在预测能力注入策略；（ii）格式引导的监督微调（FE-SFT），用于结构化这种注入的能力；以及（iii）前瞻条件强化学习（FC-RL），用于优化生成模拟的校准性和实用性。在搜索和数学推理任务上的评估表明，我们的方法始终优于其他训练基线。我们的结果证明，在 LLM 智能体中实现有效的内部世界建模，需要一个“能力优先”的训练流程，以获得有基础且经过校准的前瞻能力。