PatchWorld：可执行世界模型的无梯度优化

arXiv 2026 60.3 method

TLDR

PatchWorld通过反例引导代码修复从离线轨迹生成可执行Python世界模型，无需LLM调用即达高规划得分。

评分理由

The paper introduces a novel gradient-free method for creating symbolic, inspectable world models from offline data, with strong empirical results on AgentGym environments. However, the approach is limited to text-agent domains and reveals a tradeoff between observation fidelity and decision utility that may constrain practical use.

Read-first 评分解释

综合优先阅读分 60.3，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 35。

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%

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：0.83957915

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：代码、GitHub

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

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

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复现锚点

排序敏感性

稳定性：volatile；排名波动范围：462。

关键词评分

world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

generative world model

video world model

深度分析

创新点

通过反例引导的代码修复将离线轨迹转化为可执行Python世界模型的无梯度框架
生成符号化信念状态程序，其动作更新可被检查、重放和局部修补
在世界模型预测模块内部无需LLM调用

方法

PatchWorld使用离线轨迹，通过反例引导的代码修复来生成可执行的Python世界模型。它产生可被局部检查和修补的符号化信念状态程序。该方法在七个AgentGym环境上使用基于代码的规划得分进行评估，并与基线进行比较。

关键结果

PatchWorld-Simple在评估方法中取得了最高的基于代码的规划得分，在实时一步前瞻中达到76.4%的宏观成功率，且在世界模型预测模块内部未调用LLM。

局限性

人为指定的残差记忆偏差提高了表面观测保真度，但削弱了决策效用
提高观测保真度可能以牺牲动作判别动态为代价，揭示了可执行世界模型中的权衡

技术栈

PythonAgentGym

资源

论文代码