Jay发自 凹非寺 量子位|公众号QbitAI

「让AI像牛顿一样思考」，这个设想如今有了落地的可能。

清华大学姚期智、袁洋两位老师带队的科研团队做出了一个项目，名为「代数世界模型」（Algebraic World Model,AWM）。

人们以前常问：假如只给AI喂牛顿发现万有引力之前的全部知识，它能不能自行推导出万有引力？

麻烦在于训练数据容易被污染，想还原这种情形并不容易——造一个全然陌生的世界，让AI从0开始观察、做实验。

代数世界模型提供了另一条路。AI从观察和实验起步、进而读懂世界，这一步不再显得那么远。

AI玩游戏，像不像第谷观星？

ARC-AGI-3这个游戏集，眼下是各家前沿模型比拼实力的舞台。它的玩法是不给任何提示，没有规则，也没有目标，全靠自己摸索。

GPT Astra这类顶级选手配上Provider Adapter框架，在这里能拿到99.9%的高分。玩的过程中，它会自行把游戏机制归纳成一批符号化规则。

规则密密麻麻，信息密度确实高，精度也胜过其他模型。可这东西说到底，相当于第谷的实验记录本。

第谷是开普勒的老师，观测成癖，留下了海量行星运行数据，精确程度惊人。但他做的只是记录现象。

从这些数据里找出行星运动三大定律、揭开背后本质规律的，是开普勒。

Astra产出的那些规则，是第谷的笔记本，不是开普勒的定律。它只讲现象，没碰到这个迷你游戏世界运转的本质。

仍然会有「幻觉」

光记录现象，会带来什么问题？

研究人员挑了个叫sc25的游戏动了点手脚，把初始步数设成一个根本通不了关的数字。

拿第四关来说，原本至少19步才能赢，他们只给18步。

接着让Astra去玩。试了8轮之后，Astra有些泄气，随后断定：18步肯定不行，我估计至少要22步才能赢。

没错，它非但没摸到正确答案，反倒甩出一个错得离谱的22步。

这样的情况不止一次。12次同类测试下来，GPT-6 Astra与Claude Opus 5.5合在一起，仅有5次判定「不可能」，而这5次里还有4次报出的最低步数是错的。

放在游戏里，这种幻觉顶多让人吃点亏。

可要是换成现实场景，让AI智能体去执行任务，它一口咬定「这事办不成」，理由还给错了，麻烦就大了。

真正该做到的，是任务确实无解时，AI能把「为什么不可能」讲明白，判断也准确，比如告诉人「条件只要再放宽一点就有戏」。

靠直觉加反复试错，显然走不通。

代数的力量

怎么解决？

出路在代数。前面说过的清华团队代数世界模型（AWM），走的正是这条路。

做法是把游戏里的对象、关系、规则统统抽象出来，构成一个「代数世界」，再借大模型如今相当强的数学能力去读懂它。

整个流程分三步：

1. 探索：先上手玩几局，把观察到的现象写成能跑的Python代码，当作初步的「假设」或「规律」。

2. 凝炼：拿新的观察去检验、修正这些假设，再从中提炼出更通用的对象和规则。

3. 证明：最后把规律形式化，写成Lean 4语言里的数学断言，逻辑严密，机器能自动核验。

一句话，从试错摸索转向建模，再走向形式化证明。

实际表现如何？

还是那个无解关卡，基于Opus 5.5的AWM只试了两次，就直接证明当前步数下这关无解，同时指出只差一步就能取胜。

判断「不可能」之外，AWM通关也更拿手。整个ARC-AGI-3测试集里，它用Opus 5把183个关卡全部打通，得分99.9%；平均通关动作数只有人类基准的43%。

已知系统里，这是效率最高的一个。

AWM究竟怎么落地的？

代数几何、代数拓扑，不少人此前听过。前者把代数方程和几何形状挂上钩，后者拿代数工具去研究空间的连通、孔洞这类性质。

形状和空间一旦代数化，许多光靠眼睛看不出来的问题就有了解法。数学家之所以造出代数几何和代数拓扑，是因为几何与拓扑正是他们盯着的世界。

如今有了AI助力，AWM能把这条路铺向更多陌生的游戏、交互环境乃至现实任务：从探索里找出规律，从规律里凝炼结构，再靠数学读懂这些结构。

像牛顿一样思考

这套思路，其实在整部科学史里一脉相承。

从万有引力、麦克斯韦方程组到相对论，人类最顶尖的头脑一直在干同一件事：从纷繁现象里抽出最基本的规律，用数学这门统一的语言把世界讲清楚。

姚期智团队想做的事，是让AI也掌握这套方法。

灵感来自一个叫「范畴论」的数学分支。这个分支听上去吓人，号称「数学的数学」——它不研究某个具体的数学领域，而是盯着不同数学理论背后的共同结构。AWM用到了其中两个工具：「投射极限」和「归纳极限」。说白了，这是两种互相补位的思考方式。

1. 一种是下定义（投射极限）：把已有的概念连同它们之间的关系摆到一起，合起来界定一个新东西。可以理解成概念的拆解与拼装。

2. 另一种是找共性（归纳极限）：看一堆各不相同的东西，挑出它们的共同点，再统一进一个更抽象的框架。可以理解成概念的泛化与特化。

这两种方式来回切换，AWM就能把最初那些零散、混乱的Python假设一遍遍迭代，越改越简洁、越清晰、越一致，最后长成一个能推理、能证明的世界模型。

牛顿当年面对的，同样不是一道答案已经写好的题，而是大量零散的观测数据和现象。真正了不起的工作，是从这些现象里拎出「力」「质量」这几个核心概念，再把它们搭成一套能推演、能检验的理论体系。AWM想教给AI的，正是这种干活的方式。

边界当然也有。它的证明只在它「观测到的世界」里成立。探索得不够全，漏掉了某些关键规则，那这个模型画出的就只是「局部真理」，算不上完整的世界。

所以真正的路子是个不断循环的过程：观察→假设→实验→抽象→证明→再观察。

论文作者

论文背后的团队也值得一看。两位共同第一作者都是本科生。

一位是浙江大学的潘冠成，眼下休学在清华大学做研究。

另一位是清华姚班的谭淇心。

指导教师由业内资深学者带队。袁洋是清华大学交叉信息研究院、人工智能学院副教授，同时担任上海期智研究院具身智能与智能制造中心主任。

姚期智是2000年图灵奖得主、中国科学院院士，现任清华大学交叉信息研究院院长、人工智能学院院长。他还是2021年京都奖得主、美国国家科学院外籍院士、美国艺术与科学院外籍院士。

项目主页：
https://ephemeral6.github.io/awm-site/

论文地址：
http://arxiv.org/abs/2610.40503