让 AI 只学牛顿之前的知识，它能自己推出万有引力吗？清华姚期智团队给出「代数世界模型」

把时间拨回 1687 年之前。苹果照常落下，行星照常运行，但没有人知道「为什么」。如果让一个 AI 只学习这一刻之前的全部知识，再把它放进一个完全陌生的世界，它能不能像牛顿那样，从观察和数据里把规律「推」出来？

这个问题过去很难验证：训练数据早已被污染，模型多少见过答案。清华大学姚期智、袁洋团队最近提出的「代数世界模型」（Algebraic World Model，AWM），试图换一条路回答它——让 AI 从观察和实验出发，先抽象出结构，再回到现实里验证。

一分钟速览

• 清华交叉信息研究院提出代数世界模型 AWM，目标是从观察与实验中抽象出可验证的规律，而不是只拟合现象
• 在 ARC-AGI-3 里，GPT-6 Astra 能把游戏机制整理成高密度符号规则，得分可达 99.9%，但研究者认为那更像「第谷的实验记录本」
• 把某一关的步数上限改成不可能完成，Astra 试了 8 轮后断言「至少要 22 步」，而通关其实只要 19 步
• 12 次类似测试中，GPT-6 Astra 与 Claude Opus 5.5 合计只有 5 次判断出「不可能」，其中 4 次给出的最低步数还是错的
• AWM 主张的循环是：观察→假设→实验→抽象→证明→再观察，让模型从数据走向定律

第谷的笔记本，不是开普勒的定律

ARC-AGI-3 是眼下前沿模型秀肌肉的地方：没有规则说明，没有目标提示，全靠自己摸索。GPT-6 Astra 配合 Provider Adapter 框架能拿到 99.9% 的高分，它会把游戏机制整理成一堆符号化规则，信息密度很高，看上去相当精确。

但研究者给了一个很扎心的比喻：这些规则更像第谷的实验记录本。第谷记录了海量行星运行数据，精确得吓人，可真正从数据里提炼出行星运动三大定律的是开普勒。记录现象和抓住本质，是两件事。

只描述、不证明，就会产生另一种幻觉

研究团队把 sc25 游戏里的一个关卡改了改：第四关本来至少要 19 步才能通关，他们只给 18 步，做成一个「不可能完成」的任务。Astra 试了 8 轮，随后断言：18 步肯定不行，我估计至少要 22 步。它没发现「不可能」，还给了一个错得离谱的数字。

这不是孤例。在 12 次类似测试里，顶级的 GPT-6 Astra 和 Claude Opus 5.5 加起来只有 5 次判断出「不可能」，其中 4 次给出的最低步数还是错的。放在游戏里只是丢脸，放到现实世界的智能体身上，就意味着它会用一套听上去很合理的理由，告诉你「这事没戏」。

AWM 想补的那一环

论文把科学发现的路径拆成一个循环：观察、提出假设、设计实验、抽象出代数结构、完成证明，再带着新问题回到观察。缺了「抽象」和「证明」，模型就只能停在拟合层面；补上这两环，才有机会把「数据里的规律」变成「可以推演的定律」。

这也解释了团队为什么强调「代数」：符号规则谁都能堆，但只有能约简、能组合、能被证明的结构，才具备迁移能力。换一个世界、换一套物理规则，模型仍然能重新走一遍这个循环，而不是背下上一局的答案。

论文背后的人

论文有两位共同第一作者，都是本科生：一位是浙江大学的潘冠成，目前休学在清华做研究；另一位来自清华姚班，叫谭淇心。指导教师是清华大学交叉信息研究院、人工智能学院副教授袁洋，以及 2000 年图灵奖得主、清华大学交叉信息研究院院长姚期智。

趋势洞察

过去一年，世界模型的竞争集中在「生成」：能不能预测下一帧画面、能不能模拟物理。AWM 把问题拉回到「理解」：模型是否掌握了可验证的因果结构。这条路线短期内不会带来惊艳的演示，却直接关系到智能体能否在陌生环境里可靠工作。

更现实的影响在评测。ARC-AGI-3 这类「无说明」任务，正在暴露高分模型的水分：规则写得越密，不等于越接近本质。接下来值得观察的，是 AWM 能否把「证明」变成可规模化的训练信号——那才是从第谷走向开普勒的关键一步。

结语

让 AI 像牛顿一样思考，难点从来不是算得更快，而是敢在证据不足时提出假设，再用实验和证明把它钉死。AWM 只是开了个头，但它至少指出了一个方向：与其让模型记住世界的答案，不如教它怎么问问题。

项目主页：ephemeral6.github.io/awm-site
论文：arXiv:2610.40503