清华姚期智团队新作：代数世界模型，让AI像牛顿一样思考

密密麻麻，信息密度是很高，比其他模型精确多了。

但本质上，这东西就像是第谷的实验记录本。

第谷，开普勒的老师，一个观测狂人，记录了巨量的行星运行数据，精确得吓人。

但他也只是记录现象。

真正从这些数据里，发现行星运动三大定律，揭示背后本质规律的，是开普勒。

Astra生成的这些规则，就是第谷的笔记本，不是开普勒的定律。它只描述了现象，没抓住这个迷你游戏世界运行的本质。

仍然会有「幻觉」

只记录现象，会出什么问题呢？

研究人员把其中一个叫sc25的游戏，稍微改了改，初始步数设置成了一个根本不可能通关的数字。

比如第四关，本来起码要19步才能赢，他们就只给你18步。

然后让Astra去玩。

结果，Astra试了8轮，有点沮丧，然后断言：18步肯定不行，我估计至少要22步才能赢。

是的，它不仅没发现正确答案，还给出了一个错得离谱的22步。

这还不是个例。在12次类似的测试里，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。

这种幻觉在游戏里，最多就是坑你一下。

但如果在现实世界里，让一个AI智能体去执行任务，它告诉你「这事儿没戏」，还给个错误的原因，那后果可能就严重了。

我们真正需要的，是AI在任务不可能时，能清楚地告诉我们「为什么不可能」，并且给出准确的判断，比如「只要条件再增加一点点，就可能了」。

很明显，光靠直觉和试错是不行的。

代数的力量

怎么解决？

这时候，就得靠代数的力量了。也就是前面提到的，清华团队搞的那个代数世界模型<span data-article-parentheses=