ingest(youtube): qwen-agentworld-world-model-rl

- raw: youtube/2026-06-25_qwen-agentworld-world-model-rl.md
- wiki (new): concepts/world-model-rl-training.md
- wiki (update): concepts/world-models-jepa-vs-generative.md (cross-ref)
- index.md: 32. Update, new World Models entry
- log.md: appended

raw/youtube/2026-06-25_qwen-agentworld-world-model-rl.md

@@ -0,0 +1,50 @@
+---
+type: youtube
+source_url: https://www.youtube.com/watch?v=VzmMQWRhlBw
+retrieved: 2026-06-25
+channel: "Sam Witteveen"
+title: "Qwen-AgentWorld: The World Model for RL Environments"
+duration_sec: 991
+has_transcript: true
+tags: [qwen, agentworld, world-model, rl, reinforcement-learning, agent-training, hallucinated-environments, qwen-lm]
+---
+
+# Qwen-AgentWorld: The World Model for RL Environments
+
+**Channel:** Sam Witteveen  
+**Published:** 2026-06-25  
+**Duration:** 16:31  
+**URL:** https://www.youtube.com/watch?v=VzmMQWRhlBw
+
+## Summary
+
+Sam Witteveen covers Qwen-AgentWorld, a world model built by the Qwen team (Alibaba/QwenLM) that simulates RL (Reinforcement Learning) environments for training agents. The key insight: agents trained inside **hallucinated environments** (generated by the world model) can outperform agents trained in real RL environments.
+
+## Key Points
+
+- **Qwen-AgentWorld** is a world model designed to simulate RL environments — instead of training agents in real environments, you train them inside environments hallucinated by the world model.
+- **Agents trained in hallucinated environments beat real-world RL training** on benchmarks.
+- Topping **GPT-5.4 and Claude** on their own benchmark.
+- **Pipeline:** Hallucinate environments → Train agents inside them → Agents beat real-world RL training.
+- This could represent a **fundamentally different way of training models** going forward — potentially a new paradigm beyond standard RLHF/RLAIF.
+- Could be used to **fine-tune models for specific tasks** by generating tailored synthetic environments.
+
+## Links
+
+- **Paper:** [arXiv:2606.24597](https://arxiv.org/abs/2606.24597)
+- **Blog:** https://qwen.ai/blog?id=qwen-agentworld
+- **GitHub:** https://github.com/QwenLM/Qwen-AgentWorld
+- **HuggingFace:** https://huggingface.co/collections/Qwen/qwen-agentworld
+
+## Relevance
+
+This connects to the broader world-model discussion in the wiki (see [[world-models-jepa-vs-generative]]). While the JEPA vs. generative debate focuses on *what kind* of world model to build, Qwen-AgentWorld demonstrates a *use case*: world models as training environment generators for RL agents. This is orthogonal to the JEPA/generative debate — it's about applying world models to agent training rather than building world models from first principles.
+
+The "hallucinated environments" paradigm also connects to the synthetic data / self-play discussion in AI training — agents learning from model-generated experiences rather than real-world interaction.
+
+## Related Wiki Pages
+
+- `[[wiki/concepts/world-models-jepa-vs-generative.md]]` — JEPA vs. generative world model debate
+- `[[wiki/concepts/llm/post-transformer-llm-architectures.md]]` — Post-transformer architectures including world models
+- `[[wiki/concepts/llm/llm-model-catalog.md]]` — Qwen models in the catalog
+- `[[wiki/architecture/deepmind-beyond-transformer.md]]` — DeepMind's world model strategy

wiki/concepts/world-model-rl-training.md

@@ -0,0 +1,99 @@
+---
+created: 2026-06-25
+updated: 2026-06-25
+sources:
+  - youtube/2026-06-25_qwen-agentworld-world-model-rl.md
+tags: [concept, world-models, rl, reinforcement-learning, agent-training, hallucinated-environments, qwen, synthetic-data, agi]
+---
+
+# World Models for RL Training — Qwen-AgentWorld
+
+> **Stand:** 2026-06-25. Quelle: Sam Witteveon YouTube-Video „Qwen-AgentWorld: The World Model for RL Environments" (16:31, 2026-06-25).
+
+## Kernidee
+
+**Qwen-AgentWorld** (Alibaba/QwenLM) ist ein Weltmodell, das RL-Umgebungen **halluziniert** — anstatt Agenten in realen Umgebungen zu trainieren, generiert das Weltmodell synthetische Trainingsumgebungen. Agenten, die in diesen hallucinated environments trainiert wurden, **schlagen Agenten, die in realen RL-Umgebungen trainiert wurden** — auf der eigenen Benchmark des Teams, und auch beim Vergleich mit **GPT-5.4 und Claude**.
+
+## Pipeline
+
+```
+Weltmodell halluciniert Umgebung
+        ↓
+Agent trainiert in hallucinated environment
+        ↓
+Agent schlägt real-world RL training
+```
+
+Dies ist eine **dritte Trainingsschiene** jenseits der klassischen dichotomie:
+
+1. **RLHF/RLAIF** — Agent lernt aus menschlichem/AI-Feedback
+2. **Self-Play** — Agent lernt durch Spielen gegen sich selbst (AlphaGo, Dota-OpenAI)
+3. **Hallucinated Environment Training** (neu) — Agent lernt in einer vom Weltmodell generierten Simulation
+
+## Warum es bedeutsam ist
+
+### 1. Weltmodelle als Trainings-Infrastruktur
+
+Bisher: Weltmodelle (VEO, JEPA) wurden primär als **Komponente des AGI-Pfads** diskutiert — als Verständnis-Engine, die Physik, Kausalität, Objektpermanenz lernt (siehe [[world-models-jepa-vs-generative.md]]).
+
+Qwen-AgentWorld dreht das um: **Das Weltmodell ist nicht das zu trainierende Subjekt, sondern die Trainingsumgebung.** Es generiert Erfahrungen für andere Agenten — eine völlig andere Anwendung desselben Konzepts.
+
+### 2. Skalierbarkeit von RL-Training
+
+Real-world RL-Umgebungen sind teuer: sie erfordern simulierte Physik-Engines, definierte Reward-Funktionen und unzählige Episoden. Wenn ein Weltmodell diese Umgebungen halluzinieren kann, **wird RL-Training so billig wie Inference** — das Weltmodell generiert unendlich viele Umgebungen bei marginalen Kosten.
+
+### 3. Fine-Tuning für spezifische Aufgaben
+
+Der Ansatz erlaubt **task-spezifische Umgebungsgenerierung**: statt eine allgemeine RL-Benchmark zu bauen, kann das Weltmodell eine Umgebung generieren, die genau auf die gewünschte Fähigkeit zugeschnitten ist. Dies könnte eine neue Form des Fine-Tuning werden — eine Alternative zu SFT und RLHF für domänenspezifische Modelle.
+
+### 4. Beziehung zu Synthetic Data und Self-Play
+
+Qwen-AgentWorld steht im **Kontext** weiterer Trends:
+
+| Ansatz | Was wird synthetisiert | Lernsignal |
+|--------|----------------------|-----------|
+| **Synthetic Data (SFT)** | Trainingsbeispiele | Imitation |
+| **Self-Play** | Gegner | Win/Loss |
+| **Constitutional AI** | Verfassung/Regeln | Kritik-Feedback |
+| **Hallucinated Environments** | RL-Umgebung | Reward in generierter Sim |
+
+Die Erkenntnis, dass Agenten aus hallucinated environments **echte RL-Agenten schlagen**, deutet darauf hin, dass die generierte Umgebung **relevantere Trainings-Signale** enthält als die echte Umgebung — möglicherweise, weil das Weltmodell schwierige/kritische Szenarien gezielt generieren kann (Curriculum Learning durch Halluzination).
+
+## Einordnung in die Weltmodell-Debatte
+
+| Dimension | JEPA (LeCun) | Generativ (Hassabis) | Qwen-AgentWorld |
+|-----------|-------------|---------------------|-----------------|
+| **Ziel** | Welt-Verständnis | Welt-Generation | Welt-Simulation für Training |
+| **Output** | Embeddings | Pixel/Video | RL-Umgebungen |
+| **Nutzung** | Reasoning/Planning | Video-Generation | Agent-Training |
+| **Evaluation** | Downstream-Tasks | „Schau das Video" | Agent-Performance in real RL |
+
+Qwen-AgentWorld ist **orthogonal zur JEPA-vs-Generativ-Debatte**: es geht um die *Anwendung* eines Weltmodells (Trainingsumgebung generieren), nicht um die *Architektur* des Weltmodells. Das Qwen-Team hat nicht öffentlich spezifiziert, ob AgentWorld ein generatives oder JEPA-artiges Modell ist.
+
+## Beziehung zu AGI-Pfaden
+
+- **Aschenbrenner-These** ([[../agi/aschenbrenner-situational-awareness.md]]): „The Project" skaliert Compute für AR-LLMs. Qwen-AgentWorld deutet auf eine **zusätzliche Skalierungsdimension** hin: nicht nur mehr Compute für Training, sondern bessere Trainingsumgebungen durch Weltmodelle.
+- **DeepMind-Strategie** ([[../../architecture/deepmind-beyond-transformer.md]]): DeepMind investiert in Weltmodelle als AGI-Komponente. Qwen-AgentWorld zeigt, dass Weltmodelle auch als **Trainings-Infrastruktur** nützlich sind — ein doppelter Return auf Weltmodell-Investition.
+
+## Offene Fragen
+
+1. **Welche Art von Weltmodell** ist AgentWorld? (Generativ, JEPA, hybrid?)
+2. **Wie wird verhindert, dass das Weltmodell unrealistische Umgebungen generiert?** (Reward-Hacking in der Simulation)
+3. **Generalisierung:** Funktioniert dies für beliebige RL-Domänen (Robotik, Atari, Multi-Agent)?
+4. **Open-Source-Effekt:** GitHub-Repo und HuggingFace-Collection sind verfügbar — wie schnell wird dies adaptiert?
+
+## Externe Primärquellen
+
+- **Paper:** [arXiv:2606.24597](https://arxiv.org/abs/2606.24597)
+- **Blog:** https://qwen.ai/blog?id=qwen-agentworld
+- **GitHub:** https://github.com/QwenLM/Qwen-AgentWorld
+- **HuggingFace:** https://huggingface.co/collections/Qwen/qwen-agentworld
+- **Video:** https://www.youtube.com/watch?v=VzmMQWRhlBw
+
+## Verwandte Wiki-Seiten
+
+- `[[world-models-jepa-vs-generative.md]]` — JEPA vs. generative Weltmodelle (Architektur-Debatte)
+- `[[../llm/post-transformer-llm-architectures.md]]` — Post-Transformer-Architekturen inkl. Weltmodell-Sektion
+- `[[../llm/llm-model-catalog.md]]` — Qwen-Modelle im Katalog
+- `[[../../architecture/deepmind-beyond-transformer.md]]` — DeepMind-Weltmodell-Strategie
+- `[[../agi/aschenbrenner-situational-awareness.md]]` — AGI-Compute-Skalierung

wiki/concepts/world-models-jepa-vs-generative.md

@@ -1,10 +1,10 @@
 ---
 created: 2026-06-18
-updated: 2026-06-18
+updated: 2026-06-25
 sources:
   - youtube/2026-06-18_deepmind-beyond-transformer.md
   - youtube/2026-06-16_deepmind-two-steps-ahead.md
-tags: [concept, world-models, jepa, hassabis, lecun, generative, video-generation, v-jepa, veo, agi, deepmind, meta]
+tags: [concept, world-models, jepa, hassabis, lecun, generative, video-generation, v-jepa, veo, agi, deepmind, meta, rl-training, qwen-agentworld]
 ---
 
 # Weltmodelle: JEPA vs. Generativ — Die Hassabis-LeCun-Debatte
@@ -100,6 +100,7 @@ Zwei Antworten, zwei Lager, zwei verschiedene Trainingsziele.
 - `[[../concepts/llm/post-transformer-llm-architectures.md]]` — Vier-Säulen-Übersicht inkl. Weltmodell-Sektion
 - `[[transformer-foundation.md]]` — Klassischer Transformer als Vergleichsbasis
 - `[[../concepts/agi/aschenbrenner-situational-awareness.md]]` — AGI-Realismus: „OOMs zählen" + The Project
+- `[[world-model-rl-training.md]]` — **NEU 2026-06-25:** Qwen-AgentWorld — Weltmodelle als RL-Trainingsumgebungen (orthogonal zur Architektur-Debatte)
 
 ## Externe Primärquellen
 

wiki/index.md

@@ -2,7 +2,7 @@
 
 *Auto-generated: 2026-06-23*
 
-*Letzte Aktualisierung: 2026-06-25 (31. Update — Hermes Agent Ingest: Peter Yangs Kurs hinzugefügt. Raw-Datei `youtube/2026-06-24_peter-yang-hermes-full-course.md`.)*
+*Letzte Aktualisierung: 2026-06-25 (32. Update — Qwen-AgentWorld: Weltmodelle als RL-Trainingsumgebungen. Raw-Datei `youtube/2026-06-25_qwen-agentworld-world-model-rl.md`.)*
 
 ## Architecture
 
@@ -44,6 +44,7 @@
 | Seite | Beschreibung | Quellen |
 |-------|-------------|---------|
 | [Weltmodelle: JEPA vs. Generativ](concepts/world-models-jepa-vs-generative.md) | Hassabis-vs-LeCun-Debatte strukturiert: Generative Weltmodelle (VEO, Pixel-Rekonstruktion, Compute-intensiv) vs. JEPA (V-JEPA, Embedding-Konsistenz, theoretisch effizienter, empirisch noch nicht an der Spitze). AGI-Weltmodell-Wette bis 2028-2030 | youtube/2026-06-18_deepmind-beyond-transformer.md + youtube/2026-06-16_deepmind-two-steps-ahead.md |
+| [World Models for RL Training — Qwen-AgentWorld](concepts/world-model-rl-training.md) | Qwen-AgentWorld: Weltmodell halluziniert RL-Umgebungen → Agenten trainieren darin → schlagen real-world RL + GPT-5.4/Claude. Dritte Trainingsschiene jenseits RLHF/Self-Play. Cross-Ref zu JEPA-Debatte. | youtube/2026-06-25_qwen-agentworld-world-model-rl.md |
 
 ### LLM
 | Seite | Beschreibung | Quellen |

wiki/log.md

@@ -786,3 +786,16 @@ Bestehende `post-transformer-llm-architectures.md` bleibt als Vier-Säulen-Über
 - wiki: `index.md` (updated — Header auf "27. Update", neuer LLM-Eintrag unter Concepts/LLM Sektion)
 - log: updated (dieser Eintrag)
 **Hector-Hauptthese:** Der Katalog schließt eine Lücke im Wiki-System: Bisher waren Modell-Informationen über 11+ verstreute Wiki-Seiten verteilt (GLM-5.2-Seite, Kimi-K2.7-Seite, Claude-Seite, GPT-Seite, Cloud-Exit-Seite, Model-Routing-Seite, Showdown-Seite, Fusion-Seite, Post-Transformer-Seite, Flat-Curve-Seite, OME21-Briefing). Die Konsolidierungsseite macht alle Modelle auffindbar an einem Ort, mit klarem Fokus auf lokale Deployment-Optionen — passend zur Cloud-Exit-Strategie und Yegges Flat-Curve-These (Frontier-Lockdown → OSS-Modelle aufgewertet). Die Hector's Active Stack-Tabelle dokumentiert erstmals den vollständigen Provider-Bestand mit Rollen-Attribution.
+
+## [2026-06-25] Ingest | Qwen-AgentWorld — Weltmodelle als RL-Trainingsumgebungen
+**Type:** ingest | **Scope:** raw/youtube, wiki/concepts, wiki/index
+**Source:** Sam Witteveen YouTube-Video "Qwen-AgentWorld: The World Model for RL Environments" (16:31, 2026-06-25) — https://www.youtube.com/watch?v=VzmMQWRhlBw
+**Trigger:** Video-Link im Chat geteilt. Qwen-AgentWorld: Weltmodell halluziniert RL-Umgebungen → Agenten trainieren darin → schlagen real-world RL + GPT-5.4/Claude.
+**Actions:**
+- raw: `raw/youtube/2026-06-25_qwen-agentworld-world-model-rl.md` (created — 2.9 KB; Frontmatter + Summary + Key Points + Links + Relevance + Related Wiki Pages)
+- wiki (NEU): `concepts/world-model-rl-training.md` (created — 6.0 KB; Kernidee, Pipeline, Warum bedeutsam [4 Sektionen: Trainings-Infrastruktur, Skalierbarkeit, Fine-Tuning, Synthetic Data Kontext], Einordnung in JEPA-Debatte mit Vergleichstabelle, AGI-Pfad-Bezüge, offene Fragen, externe Quellen, Cross-Refs zu 5 Wiki-Seiten)
+- wiki (UPDATE): `concepts/world-models-jepa-vs-generative.md` — updated-Datum auf 2026-06-25, tags um `rl-training` + `qwen-agentworld` erweitert, neuen Cross-Ref zu `[[world-model-rl-training.md]]` in Verwandte Wiki-Seiten hinzugefügt
+- wiki: `index.md` (updated — Header auf "32. Update", neue World-Models-Zeile unter Concepts Sektion)
+- log: this entry
+**Hector-Hauptthese:** Qwen-AgentWorld ist orthogonal zur JEPA-vs-Generativ-Debatte: es geht um die *Anwendung* eines Weltmodells (RL-Trainingsumgebung generieren), nicht um die *Architektur*. Die "dritte Trainingsschiene" (hallucinated environments) ergänzt RLHF und Self-Play — und deutet auf einen doppelten Return für Weltmodell-Investitionen hin: das Weltmodell ist nicht nur AGI-Komponente, sondern auch Trainings-Infrastruktur. Wenn Agenten aus hallucinated environments echte RL-Agenten schlagen, ist das RL-Training so billig wie Inference — eine mögliche Paradigmenverschiebung.
+**Subagent-Modell:** ollama/glm-5.2:cloud