清华姚期智团队提出代数世界模型，想让AI像牛顿一样推导规律

清华大学姚期智与袁洋老师领导的科研团队提出了一项名为「代数世界模型」（Algebraic World Model，AWM）的研究项目，目标是让AI像牛顿一样思考。

研究关注的核心问题是：如果只让AI学习牛顿发现万有引力之前的所有知识，它能否自行推导出万有引力？由于训练数据容易被污染，很难复原出完全陌生的世界、让AI从零开始观察和实验，这一设想此前难以验证。代数世界模型为此提供了一种新解法，使AI从观察和实验出发理解世界变得不再遥远。

在用于展示模型能力的前沿游戏集ARC-AGI-3中，游戏不提供规则和目标。GPT Astra配合Provider Adapter框架可拿到99.9%的高分，并在游戏过程中将游戏机制整理成大量符号化规则。

研究团队认为，这类规则类似第谷的实验记录本：第谷是开普勒的老师，记录了海量且精确的行星运行数据，但真正从中发现行星运动三大定律、揭示本质规律的是开普勒。Astra生成的规则只描述了现象，未抓住游戏世界运行的本质。

研究人员对其中一个名为sc25的游戏做了改动，把初始步数设为不可能通关的数字。例如第四关原本至少需要19步才能获胜，他们只给出18步。Astra尝试8轮后判断18步肯定不行，并估计至少要22步才能赢，既未发现正确答案，还给出了错误的22步。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次给出的最低步数仍是错的。

在现实世界中，若AI智能体执行任务时称「这事儿没戏」却给出错误原因，后果可能很严重。真正需要的是AI在任务不可能时清楚说明「为什么不可能」，并给出准确判断，例如「只要条件再增加一点点，就可能了」。研究团队认为，这需要借助代数的力量，也就是其提出的代数世界模型（AWM）。