World Model RL（WMRL）：用世界模型替代环境执行，AutoResearch 智能体训练提速 3-4 倍

针对 AutoResearch 智能体 RL 训练中环境执行成为瓶颈的问题，研究者提出 World Model RL（WMRL），用世界模型替代环境执行，并配合 Online Debiasing 与 Inverse-Variance Denoising 分别抵消偏差、抑制噪声，理论上证明两者严格改善收敛保证。