清华姚期智团队提出代数世界模型AWM，让AI像牛顿一样推导规律

清华大学姚期智和袁洋领导的科研团队提出代数世界模型（Algebraic World Model，AWM），目标是让AI从观察和实验出发，自行提炼世界运行的规律，而非只记录现象。 文章以ARC-AGI-3游戏集为背景。该游戏集不提供规则和目标，需要模型自行摸索。文中称GPT Astra配合Provider Adapter框架可拿到99.9%高分，会把游戏机制整理成符号化规则，但作者将其比作第谷的实验记录本，只描述现象而未抓住本质。研究人员把sc25游戏第四关的步数上限设为18步（原本至少需19步），Astra试了8轮后断言至少要22步才能赢；在12次类似测试中，GPT-6 Astra和Claude Opus 5.5合计只有5次判断出不可能，其中4次给出的最低步数还是错的。 AWM的做法是把游戏中的对象、关系和规则抽象成代数世界，分三步推进：探索阶段把观察写成可执行的Python代码作为初步假设；凝炼阶段用新观察验证、修正并提炼成更通用的对象和规则；证明阶段把规律形式化为Lean 4语言，变成机器可自动检查的数学断言。面对上述无解关卡，基于Opus 5.5的AWM尝试两次即可证明当前步数下无解，并指出只需再多一步就能获胜。 在ARC-AGI-3测试集上，基于Opus 5的AWM通关183个关卡，得分99.9%，平均通关动作数为人类基准的43%，文中称这是目前已知系统中效率最高的。方法灵感来自范畴论中的投射极限与归纳极限，分别对应下定义和找共性两种思维方式，通过反复迭代让零散的Python假设变得简洁一致。 文章也指出边界：证明只在模型观测到的世界内成立，探索不全面时得到的只是局部真理，因此路径是观察、假设、实验、抽象、证明、再观察的循环。论文两位共同第一作者均为本科生，分别是浙江大学潘冠成和清华姚班谭淇心，指导教师为袁洋和姚期智。