智能体游戏开发：作为可验证轨迹数据引擎以扩展世界模型

arXiv 2026 43.9 method

TLDR

提出RLHEV，用游戏开发的引擎与人类验证作为可验证轨迹数据引擎扩展世界模型，避免模糊代理。

评分理由

The paper presents a compelling conceptual argument for using game engines as reward environments for world model training. However, it lacks experimental validation, benchmarks, or datasets, making it a position/proposal paper rather than an empirical study.

Read-first 评分解释

综合优先阅读分 43.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 41。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验、指标、结果

主题相关性 29%

58.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：450。

关键词评分

world model

generative world model

world simulator

interactive world model

world dynamics prediction

video world model

model-based reinforcement learning world model

深度分析

创新点

主张扩展世界模型不仅需要更多爬取视频和算力，还需要一个提供扎实奖励信号的递归数据引擎。
将游戏开发定位为空间世界模型缺失的奖励环境；游戏引擎中的场景是可执行的世界规范，能实现碰撞、物理、可导航性和有界可玩性等密集验证。
提出带人类-引擎验证的强化学习（RLHEV），一种结合密集引擎信号与开发过程中隐式人类接受反馈的后训练范式。

方法

本文提出RLHEV作为空间世界模型的一种概念性后训练范式。它使用智能体游戏开发轨迹作为数据，由游戏引擎提供碰撞、物理、可导航性和有界可玩性等密集可执行检查；同时，开发过程中隐含的人类接受行为提供全局验证信号。

关键结果

标题和摘要未报告实验结果或定量指标；它们提出了一项提议的范式和概念动机。

局限性

标题和摘要中未明确说明局限性。

资源

论文