代数世界模型：从探索到形式化证明

AWM 把环境探索转为 Lean 可检验的数学模型并证明不可达

资讯摘要

论文提出代数世界模型（AWM），将陌生环境中的交互转化为可形式推理的显式数学模型：先探索环境并生成可执行 Python 假设，再按观测反复检验修正，随后把假设组织为类型化对象与共享规则，经范畴论引导的变换简化结构，最终在 Lean 4 中形式化，以证明可达性与不可能性。作者报告 AWM 能对未探索轨迹之外的目标给出不可达证明，并在 ARC-AGI-3 全部 25 个公开游戏上让 Lean 重放全部 183 关的获胜轨迹。

要点速读

1. AWM 在 Lean 4 中形式化模型，可证明目标不可达，且覆盖超出已探索轨迹的情形。
2. 作者报告在两个不可能关卡上，AWM 六次运行均构造出经内核检查的 Lean 证明，排除所有合法获胜序列；Claude Opus 5.5 与 GPT-6 Astra 在十二次基线运行中均未产出。
3. 在全部 25 个公开 ARC-AGI-3 游戏上，AWM 的模型使 Lean 重放全部 183 关获胜轨迹，并能预测未见转移、检测游戏机制变化；配合 Claude Opus 5 得分 99.9，认证获胜轨迹所用动作仅为人类基线的 43%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。