编码智能体作为世界模拟器表现出色

arXiv 2026 55.9 method, system

TLDR

一种通过生成并迭代优化可执行仿真代码来构建基于物理的世界模型的智能体框架，优于基于视频的模型。

评分理由

The paper presents a novel approach using code generation for physically plausible world models, with clear methodology and experimental results. However, the abstract lacks details on the scale of experiments and does not specify real-world benchmarks, limiting assessment of generalizability.

Read-first 评分解释

综合优先阅读分 55.9，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 42。

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

引用影响力 18%

75.4

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。归一化引用分位：0.75353428

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：分析、实验、结果

主题相关性 29%

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

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：274。

关键词评分

world model

world simulator

world dynamics prediction

interactive world model

generative world model

model-based reinforcement learning world model

video world model

深度分析

创新点

通过可执行仿真代码构建基于物理的世界模型的智能体框架，结合了规划、代码生成、视觉审查和物理分析智能体。
基于视觉和物理反馈对仿真代码进行迭代修正，以强制执行物理约束并匹配提示要求。
在物理准确性、指令忠实度和视觉质量上优于基于视频的世界模型。

方法

该框架协调四个智能体：规划智能体将自然语言提示转换为结构化场景计划，代码智能体将计划实现为可执行仿真代码，视觉审查智能体提供视觉反馈，物理分析智能体检查物理一致性。根据反馈迭代修正代码，直到仿真符合提示要求和物理约束。

关键结果

所提出的框架在物理准确性、指令忠实度和视觉质量上优于先进的基于视频的模型，并可应用于驾驶仿真和具身机器人任务。

资源

论文