世界模型要观察多少次，才能学会新游戏规则？

导语

世界模型的价值，不只是预测下一帧画面，更在于帮助智能体理解“采取某个动作后，环境会怎样变化”。但当智能体进入一个从未见过的环境时，训练阶段学到的规律未必适用，它必须通过有限的交互重新识别游戏机制。新研究关注的正是这个过程：一个世界模型究竟需要观察某种机制多少次，才能可靠预测它的后果？

把“学会规则”变成可测量问题

论文选择 ARC-AGI-3 作为实验平台。该基准由一组通过程序定义的交互式游戏组成，适合研究动作、环境状态与规则之间的关系。研究者从 20 个游戏的程序中整理出 69 种反复出现的机制，并提出 MechEval 进行评估。

这里的“暴露”并不是简单地看一帧画面，而是模型实际观察到某种机制发生一次。例如，一次动作改变了环境中的某些单元格，就可以用这些发生变化的单元格来检验模型是否预测正确。这样的设计把整体画面预测拆解为更具体的机制学习问题，也能追踪模型在连续交互中的学习速度。

WARC：在测试时更新全部参数

为开展实验，研究团队构建了 WARC，一个拥有 3500 万参数的视觉 Transformer。它先在其他游戏上进行预训练，遇到未见过的游戏后，则在每次状态转移之后更新全部参数。这种测试时训练策略，与只依赖固定参数、直接把新环境交给模型的方式形成对照。

在未参与训练的游戏上，WARC 能够将五分之四的机制学到至少 80% 的准确率，而且这一水平可以保持到记录结束。约有一半机制在一次游戏过程中、约 80 次暴露内达到这一准确率。相比之下，不进行参数更新时，只有约七分之一的机制能够达到同样标准。

从预测能力到行动效率

研究还将 WARC 与一个固定的图探索器结合，形成 WARC-Agent，用于闭环游戏。模型不再只是离线预测下一状态，而是参与“观察—更新—规划—行动”的循环。在公开游戏上，WARC-Agent 将探索器的官方效率分数从 0.15 提升到 0.46，提升主要来自测试时训练。其在隐藏游戏的 Kaggle 榜单上获得了 0.20 分。

意义与局限

这项工作的重要性，在于把世界模型的适应能力从一个笼统的“泛化好不好”，进一步拆成“遇到新机制后学得多快”。暴露次数、机制级准确率和持续学习曲线，为比较不同模型的环境适应能力提供了更细的观察窗口。

同时，结果也说明，世界模型并非只能依靠预训练知识：在合适的交互和更新机制下，它可以在测试阶段形成对新规则的内部预测。但这些结论建立在 ARC-AGI-3 的程序化游戏环境上，不能直接等同于现实世界中的快速学习能力。未来仍需要检验更复杂、更开放、状态变化更连续的环境，并进一步分析不同类型机制对数据量和更新策略的需求。

来源：Hugging Face Daily Papers