编码代理时代下ARC-AGI-3的可执行世界模型

arXiv 2026 63.3 method, system

TLDR

编码代理使用可执行Python世界模型解决ARC-AGI-3，GPT-5.5下15/25完全解决。

评分理由

The paper presents a novel approach combining executable world models with coding agents, showing strong results on public ARC-AGI-3 games. However, it lacks private validation and relies on specific LLM versions, limiting generalizability.

Read-first 评分解释

综合优先阅读分 63.3，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 32。

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：基线、基准、结果、验证

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：有；数据：无；命中信号：工件、代码、GitHub

引用影响力 18%

74.3

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：0.74303964

主题相关性 29%

45.7

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

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

前沿论文桥接论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：520。

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

可执行的Python世界模型，通过先前观察进行验证
重构为更简单的抽象，作为类似MDL简单性偏好的实用代理
在行动前通过模型进行规划
包含预定义世界模型接口、验证程序和执行器的脚本控制器，不含游戏特定逻辑
所有游戏使用相同的面向代理的提示、工作区和控制器，无手工编码的游戏特定信息
审计并关闭测试框架中的意外信息通道，以减少基准特定信息暴露

方法

该系统使用一个编码代理，该代理维护一个可执行的Python世界模型，根据观察进行验证，重构为更简单的抽象（作为MDL简单性偏好的代理），并在行动前通过模型进行规划。它采用脚本控制器、预定义世界模型接口、验证程序和执行器，没有手工编码的游戏特定逻辑。所有游戏使用相同的代理和提示，每次游戏从全新的代理实例和干净的工作区开始，无法访问先前状态。

关键结果

使用GPT-5.5高推理努力，代理完全解决了25个公开ARC-AGI-3游戏中的15个，平均每局RHAE为58.12%。使用GPT-5.4高推理努力，完全解决了8个游戏，平均每局RHAE为41.29%。

局限性

私有验证集上的性能尚未测试，因为该数据集尚不可用
结果仅为初步证据，基于有限的25个公开游戏
系统依赖于特定LLM版本（GPT-5.5和GPT-5.4）的高推理努力，可能不易广泛获取或推广
该方法有意直接，可能在处理更复杂或多样化的ARC-AGI-3任务时存在局限性
早期的测试框架存在意外信息通道，需要审计和关闭，表明系统设计存在潜在脆弱性

技术栈

PythonGPT-5.5GPT-5.4ARC-AGI-3

资源

论文代码