这项由北卡罗来纳大学教堂山分校的Zaid Khan、Archiki Prasad、Elias Stengel-Eskin、Jaemin Cho和Mohit Bansal等研究者开展的突破性研究发表于2025年10月，论文编号为arXiv:2510.12088v1。研究团队面临的挑战就像让一个从未见过任何游戏的人，仅仅通过观看一局游戏就能完全理解游戏规则并预测下一步会发生什么。在人工智能领域，这被称为"符号世界建模"，即让计算机通过观察环境中的变化，自动推导出支配这个世界运行的基本法则。
传统的AI世界建模研究就像在温室里培养植物——研究者们通常选择相对简单、可预测的环境，比如棋类游戏或者简化的迷宫，然后给AI提供大量的训练数据和明确的目标。但现实世界远比这复杂得多，充满了不确定性和随机事件。研究团队决定挑战一个更加困难的任务：让AI在一个复杂、危险且充满随机性的虚拟世界中，仅仅通过一次"生命"的探索就学会预测世界的运行规律。
这就像让一个探险家在完全陌生的丛林中只有一次机会去了解这片土地的所有秘密——哪些果实可以食用、哪些动物是危险的、如何制作工具、天气如何变化等等。更具挑战性的是，这个探险家不能依靠任何向导或地图，必须完全依靠自己的观察和推理。研究团队开发的ONELIFE框架正是为了解决这样的挑战而设计的。
ONELIFE的核心创新在于将世界的运行规律理解为一系列可以用代码表达的"法则"。每个法则都有自己的适用条件和产生的效果，就像物理定律一样。比如在游戏世界中，可能存在这样的法则："如果玩家手中有斧头并且面前有树，那么采取砍伐行动会使树消失并且玩家获得木材"。ONELIFE能够自动发现这些法则，并且理解它们在什么情况下会被激活。
为了验证这个方法的有效性，研究团队重新构建了一个名为Crafter-OO的复杂虚拟环境。这个环境就像一个简化版的《我的世界》，包含了资源收集、工具制作、建筑放置、战斗等多种复杂机制。在这个世界中，玩家需要收集不同的材料，制作各种工具，对抗随机行动的敌对生物，同时还要管理自己的健康状态。环境中的很多事件都具有随机性，比如僵尸的移动方向、植物的生长时间等，这使得预测变得极其困难。
研究团队设计了一套严格的评估标准来测试ONELIFE的能力。他们设置了23个不同的场景，涵盖了游戏中的各种核心机制。测试包括两个主要方面：第一是"状态排序"能力，即AI能否从多个可能的未来状态中准确识别出真正会发生的那个；第二是"状态保真度"，即AI生成的未来状态与实际发生的状态有多相似。
实验结果令人印象深刻。在23个测试场景中，ONELIFE在16个场景中的表现都超过了此前最强的基准方法PoE-World。更重要的是，ONELIFE展现出了实际的应用价值——它学到的世界模型可以用于规划和决策。研究团队设计了三个复杂的任务场景来测试这一点。
第一个场景是"僵尸斗士"任务，AI需要在面对两只僵尸的情况下制定最优策略。一个明智的计划是先收集木材、制作工作台、然后制作木剑，最后再去战斗；而一个糟糕的计划是立即徒手战斗。ONELIFE学到的世界模型能够准确预测这两种策略的不同结果，正确识别出先制作武器的策略更优。
第二个场景是"石头矿工"任务，考验AI对工具使用规则的理解。在这个任务中，玩家必须先制作镐子才能开采石头，直接用手是无法成功的。ONELIFE的世界模型准确掌握了这一机制，能够预测出正确的行动序列。
第三个场景是"剑匠"任务，测试AI对资源消耗的理解。高效的策略是重复使用同一个工作台制作多把剑，而低效的策略是为每把剑都制作新的工作台。ONELIFE再次展现了对这种复杂经济机制的准确理解。
这些实验证明，ONELIFE不仅能够学习世界的基本物理规律，还能理解更复杂的因果关系和策略优化问题。这种能力对于开发能够在复杂环境中自主运作的AI系统具有重要意义。
一、技术突破的核心：像侦探一样破解世界运行的密码
ONELIFE的工作原理可以比作一个经验丰富的侦探在破解复杂案件。当侦探到达犯罪现场时，他不会试图一次性理解整个案件的全貌，而是仔细观察每一个细节，寻找蛛丝马迹，然后逐步构建出一个完整的事件推理。
ONELIFE采用了类似的策略。它将复杂的世界理解任务分解为许多小的"法则发现"任务。每当观察到世界状态发生变化时，比如玩家的木材数量增加了，或者一个僵尸改变了位置，ONELIFE就会询问："是什么法则导致了这个变化？"然后它会提出假设，就像侦探提出嫌疑人名单一样。
系统的第一个关键组件是"法则合成器"。这个组件就像一个富有创造力的侦探助手，专门负责根据观察到的线索提出可能的解释。当它看到玩家面对一棵树并且执行"砍伐"动作后获得了木材，法则合成器会提出一个假设："如果玩家面前有树并且执行砍伐动作，那么玩家会获得木材，树会消失。"这个假设会被编写成计算机代码的形式，就像将侦探的推理写成正式的案件报告。
但仅有假设是不够的，就像侦探不能仅凭直觉就确定嫌疑人一样。ONELIFE的第二个关键组件是"推理算法"，它负责评估每个假设的可靠性。这个组件会检查每个提出的法则是否能够准确预测后续观察到的变化。如果一个法则能够持续准确地预测世界的变化，它的"可信度权重"就会增加；如果预测经常出错，权重就会降低。
这种方法的巧妙之处在于它能够处理世界中的不确定性。现实世界中的很多事件都有随机成分，比如僵尸可能随机选择移动方向。传统的方法很难处理这种随机性，但ONELIFE将其纳入了法则体系中。它会学习到这样的法则："僵尸每回合有70%的概率朝玩家方向移动，30%的概率随机移动。"这种概率性的法则能够更准确地反映真实世界的复杂性。
ONELIFE还有一个重要特点就是它的"模块化"设计。不同的法则负责世界的不同方面，就像不同的专家负责案件的不同角度。有些法则专门处理玩家的移动，有些处理物品制作，有些处理生物行为。当需要预测某个具体变化时，只有相关的法则会被激活，这大大提高了系统的效率和准确性。
二、革命性的学习方式：从零开始的世界探索
传统的AI学习方式就像让学生在图书馆里反复阅读教科书，通过大量的标准化练习来掌握知识。但ONELIFE采用了一种截然不同的方法，更像是让一个充满好奇心的孩子独自在游乐场中探索，通过亲身体验来理解世界的规律。
这种"无引导探索"的方法面临着巨大挑战。在Crafter-OO这样的复杂环境中，如果AI采取完全随机的行动，它很快就会因为遭遇危险生物或缺乏必要资源而"死亡"，平均只能存活100步左右。这就像让一个对丛林一无所知的人独自探险，很可能还没来得及学到什么有用的知识就遇到了危险。
为了解决这个问题，研究团队设计了一个基于大语言模型的"智能探索者"。这个探索者就像一个具有基本常识和推理能力的冒险家，虽然不了解这个特定世界的具体规律，但具备一般性的探索策略和生存直觉。它会主动寻找看起来有用的资源，尝试不同的行动组合，并在遇到危险时采取规避措施。
这个智能探索者将平均存活时间延长到了400步，为学习提供了足够的数据。更重要的是，它能够触发各种不同的游戏机制。比如它会尝试收集不同类型的材料，实验各种制作配方，与不同的生物互动，这样ONELIFE就能观察到丰富多样的世界变化模式。
ONELIFE的学习过程分为两个阶段。第一阶段是"观察和记录"，系统会详细记录探索过程中发生的每一个状态变化。这些记录包括行动前的世界状态、执行的行动、以及行动后的世界状态。这就像一个科学家在实验室中仔细记录每一个实验步骤和结果。
第二阶段是"模式识别和法则提取"。系统会分析这些记录，寻找其中的模式和规律。比如它可能注意到："每当玩家在面对树木时执行'砍伐'动作，玩家的木材数量都会增加1，而那棵树会消失。"基于这样的观察，系统会提出一个候选法则。
法则提取的过程非常精细。系统不会试图一次性理解复杂的连锁反应，而是专注于识别单一的、原子性的变化。比如在一个复杂的战斗场景中，可能同时发生玩家受伤、敌人移动、物品掉落等多个变化。ONELIFE会将这个复杂场景分解为多个简单的法则：一个处理战斗伤害，一个处理敌人移动，一个处理物品掉落。这种分解策略使得每个法则都相对简单和可靠。
三、智能推理引擎：像人类一样理解因果关系
ONELIFE的推理引擎可以比作一个经验丰富的科学家，他不仅能够观察现象，还能理解现象背后的因果机制。这个引擎的核心是一个概率推理系统，它能够同时处理确定性规律和随机性事件。
当系统观察到世界中的某个变化时，它会激活所有可能相关的法则。但这些法则可能会给出不同的预测，就像不同的专家对同一个问题可能有不同的看法。推理引擎的任务就是综合这些不同的意见，得出最合理的预测。
这个过程采用了一种叫做"加权投票"的机制。每个法则都有一个权重，反映了它在历史预测中的准确性。当多个法则对同一个变化给出预测时，系统会根据它们的权重来综合这些预测。表现好的法则会获得更大的发言权，而经常出错的法则的影响力会逐渐降低。
更巧妙的是，系统能够根据具体情况动态调整哪些法则参与预测。比如在预测僵尸的行为时，只有与僵尸相关的法则会被激活，而与物品制作相关的法则会保持沉默。这种"按需激活"的机制不仅提高了预测的准确性，还大大提升了计算效率。
推理引擎还具备处理不确定性的能力。在现实世界中，很多事件的结果都有一定的随机性。比如僵尸的移动可能受到多种因素影响，有时朝玩家移动，有时随机游荡。ONELIFE能够学习到这种概率分布，它的预测不是单一的确定结果，而是一个概率分布："僵尸有60%的概率向北移动，30%的概率向东移动，10%的概率向南移动。"
这种概率性预测的优势在于它能够更真实地反映世界的复杂性。当系统进行长期规划时，它能够考虑到各种可能的结果，制定出更加稳健的策略。比如在规划一个需要多步骤的任务时，系统会考虑每一步可能出现的意外情况，并准备相应的应对措施。
推理引擎的另一个重要特性是它的学习能力。每当系统做出预测后，它会将预测结果与实际观察到的结果进行比较。如果预测准确，相关法则的权重会增加；如果预测错误，权重会降低。这种持续的反馈机制使得系统能够不断改进自己的理解。
四、创新的评估体系：全方位测试AI的世界理解能力
为了真正验证ONELIFE是否掌握了世界的运行规律，研究团队设计了一套前所未有的评估体系。这套评估方法就像给AI进行一次全面的"世界理解能力考试"，从多个角度测试它对环境规律的掌握程度。
传统的AI评估往往只关注最终的任务完成情况，就像只看学生的期末考试成绩。但这种方法有很大局限性，因为即使AI能够完成任务，也不能保证它真正理解了任务背后的原理。研究团队意识到需要更深入的评估方法，于是开发了两个核心评估维度。
第一个维度叫做"状态排序"能力测试。这个测试就像让AI参加一个"真假判断游戏"。系统会给AI展示一个当前的游戏状态和一个行动，然后提供多个可能的结果状态，其中只有一个是真正会发生的，其他都是精心设计的"干扰项"。AI需要从这些选项中识别出正确答案。
这些干扰项的设计非常巧妙，它们看起来很合理，但实际上违反了游戏世界的某些规律。比如，如果玩家尝试制作一把石剑，正确的结果应该是玩家失去相应的材料并获得石剑。但干扰项可能显示玩家获得了木剑而不是石剑，或者没有消耗制作所需的材料。只有真正理解制作规律的AI才能识别这些微妙的错误。
第二个维度是"状态保真度"测试，这更像是让AI进行"创作考试"。系统给AI一个当前状态和一个行动，让它自由预测接下来会发生什么。然后将AI的预测与实际发生的情况进行详细比较，统计两者之间的差异程度。
这种比较使用了一种叫做"编辑距离"的方法，它会计算将AI的预测转换为真实结果需要进行多少次修改。比如，如果AI预测玩家会获得3个木材，但实际只获得了2个，这就算作1次修改。系统会统计所有这样的差异，得出一个综合的保真度分数。
为了确保评估的全面性，研究团队创建了超过40个不同的测试场景，覆盖了游戏世界中的每一个核心机制。这些场景包括基础的移动和收集，复杂的多步骤制作流程，危险的战斗情况，以及各种生物的行为模式。每个场景都被设计成一个小的"故事"，有明确的起始条件和预期结果。
比如，"收集煤炭"场景测试AI是否理解某些资源需要特定工具才能收集。场景开始时，玩家面前有一块煤炭，但手中没有镐子。如果AI真正理解游戏规律，它应该预测玩家无法直接收集煤炭。而"制作石镐"场景则测试AI对制作系统的理解，它需要正确预测制作过程中材料的消耗和工具的产出。
实验结果显示，ONELIFE在这套严格的评估体系下表现出色。在状态排序测试中，它能够正确识别真实结果的概率达到18.7%，这听起来可能不高，但要知道这是在没有任何预设知识的情况下，仅从一次游戏体验中学到的结果。考虑到每个测试都有多个很相似的选项，这个成绩已经远超随机猜测的水平。
更重要的是，ONELIFE在16个测试场景中击败了此前最先进的基准方法PoE-World。这表明它的学习方法确实更适合处理复杂、随机的环境。而在状态保真度测试中，ONELIFE生成的预测状态与真实状态的相似度也达到了令人满意的水平。
五、实战验证：AI学会的知识能否指导实际决策
光是能够预测世界的变化还不够，真正的测试是看AI学到的知识是否能够指导实际的决策和规划。研究团队设计了三个复杂的实战场景，让ONELIFE的世界模型与人类的直觉智慧进行较量。
第一个挑战是"僵尸斗士"场景。在这个场景中，AI需要面对两只危险的僵尸，而它的血量很低，直接战斗几乎必死无疑。聪明的策略是先收集资源制作武器，再去战斗。具体来说，需要先找到树木并砍伐获得木材，然后放置工作台，制作木剑，最后才去与僵尸战斗。而愚蠢的策略是立即冲上去徒手搏斗。
ONELIFE需要在自己学到的世界模型中"模拟"这两种策略的执行过程，然后比较它们的预期结果。这就像在头脑中进行一场虚拟实验，看看哪种做法能带来更好的结果。经过模拟，ONELIFE正确地识别出制作武器策略的优越性，预测它能带来更高的每秒伤害输出。
第二个挑战是"石头矿工"场景。在这个任务中，AI需要收集石头，但这需要先制作镐子。没有镐子的话，玩家无法开采石头。这个场景测试AI是否理解工具使用的前置条件。同样，ONELIFE需要比较两种策略：先制作镐子再开采，与直接尝试开采。通过模拟，它准确预测出只有先制作镐子的策略才能成功收集到石头。
第三个挑战是"剑匠"场景，它测试AI对资源效率的理解。任务是制作多把剑，有两种方法：重复使用同一个工作台，或者为每把剑都制作新的工作台。前者明显更高效，因为制作工作台需要消耗额外的木材。ONELIFE的模拟预测完全符合这种经济学直觉，正确识别出资源重用策略的优势。
这些实战测试的成功证明了ONELIFE学到的不仅仅是表面的规律，而是深层的因果关系和策略原理。它理解了工具与任务之间的依赖关系，掌握了资源管理的基本原则，甚至学会了在危险情况下的风险评估。
更令人印象深刻的是，ONELIFE的规划能力体现在它能够进行多步骤的前瞻思考。在"僵尸斗士"场景中，最优策略需要执行33个步骤，包括移动、收集、制作和战斗等复杂的行动序列。ONELIFE能够在脑海中完整地"预演"这个序列，预测每一步的结果，并最终得出正确的策略判断。
这种能力对于开发能够在复杂环境中自主运作的AI系统具有重要意义。它表明AI不仅能够学习世界的基本规律，还能将这些规律组合起来解决复杂的规划问题。这为未来开发更智能的自主系统奠定了坚实基础。
六、技术创新的深层意义：重新定义AI学习的可能性
ONELIFE的技术突破远不止于在游戏环境中的优异表现，它实际上为AI学习范式的革新开辟了全新道路。这项研究的深层意义可以从几个角度来理解。
首先，ONELIFE证明了AI可以在极其有限的数据条件下实现有效学习。传统的机器学习方法通常需要大量的训练数据，就像学生需要做成千上万道练习题才能掌握数学规律。但ONELIFE只需要观察一次完整的游戏过程就能推导出世界的基本规律，这种"一次学习"的能力更接近人类的认知方式。
当人类初次接触一个新环境时，我们不需要重复体验数百次才能理解基本规律。通过仔细观察和积极思考，我们往往能够在相对短的时间内掌握环境的核心机制。ONELIFE的成功表明，AI也可以具备这种高效的学习能力，这为开发更加智能和灵活的AI系统指明了方向。
其次，ONELIFE展现了一种全新的"无监督符号学习"方法。传统的AI学习往往需要人类提供明确的指导信号，比如告诉AI什么是正确的行为、什么是错误的行为。但在现实世界中，这样的指导往往是缺失的或者不完整的。ONELIFE能够在没有任何外部指导的情况下，仅通过观察世界的变化就自动发现规律，这种能力对于开发真正自主的AI系统至关重要。
第三，ONELIFE的模块化法则系统提供了一种新的知识表示方法。与传统的神经网络将知识隐式地编码在网络参数中不同，ONELIFE的知识是以明确的代码形式表示的。这意味着人类可以直接阅读和理解AI学到的规律，甚至可以手动修改或完善这些规律。这种可解释性对于构建可信赖的AI系统具有重要价值。
研究团队还开发了Crafter-OO这个新的测试环境，它为未来的符号世界建模研究提供了宝贵的平台。与传统的简化测试环境不同，Crafter-OO具有现实世界的复杂性和不确定性，包括多种交互机制、随机事件和层次化的任务结构。这个环境的开源发布将促进整个研究社区在这一方向的进展。
从方法论角度看，ONELIFE的成功也验证了"组合式AI"的潜力。系统不是试图用单一的大模型解决所有问题，而是将复杂任务分解为多个简单的子任务，每个子任务由专门的法则处理。这种方法不仅提高了学习效率，还增强了系统的可扩展性和可维护性。
ONELIFE的推理机制也具有重要的理论价值。它展现了一种动态的、基于上下文的知识激活方式。系统不是盲目地应用所有已知规律，而是根据当前情况智能地选择相关的法则。这种"按需计算"的方式不仅提高了效率，还减少了不相关知识的干扰。
最后，ONELIFE在随机环境中的成功表现具有重要的实用价值。现实世界充满了不确定性和随机事件，任何实用的AI系统都必须能够处理这种不确定性。ONELIFE展现了一种优雅地处理随机性的方法，它不是试图消除不确定性，而是将其纳入预测模型中，这为开发更加鲁棒的AI系统提供了新思路。
说到底，ONELIFE代表了AI研究的一个重要里程碑。它不仅在技术上实现了突破，更在概念上重新定义了AI学习的可能性。这项研究告诉我们，AI不必被动地接受人类的教导，它们可以像优秀的科学家一样，通过主动观察和思考来发现世界的规律。这种自主学习能力将是未来AI系统的核心特征，也是实现真正智能机器的关键步骤。
对于普通人来说，这项研究的意义在于它让我们看到了AI发展的新方向。未来的AI系统可能不再需要大量的专门训练，而是能够像人类一样快速适应新环境。无论是自动驾驶汽车面对从未见过的路况，还是家庭机器人适应不同的居住环境，这种快速学习能力都将大大扩展AI的应用范围。这项由北卡罗来纳大学教堂山分校研究团队完成的工作为这个美好的未来奠定了坚实的技术基础。
Q&A
Q1：ONELIFE框架是如何工作的？
A：ONELIFE就像一个智能侦探，通过观察虚拟世界中的变化来推导运行规律。它包含两个核心组件：法则合成器负责根据观察到的变化提出假设规律，推理算法负责评估这些假设的可靠性。系统将世界规律表示为一系列代码化的法则，每个法则都有适用条件和产生效果，就像物理定律一样。当需要预测时，相关法则会被激活并综合给出概率性预测。
Q2：为什么ONELIFE只需要一次游戏体验就能学会规律？
A：ONELIFE采用了"原子化学习"策略，将复杂场景分解为多个简单的单一变化，每个变化对应一个基本法则。比如在战斗中，它会分别学习伤害规律、移动规律、物品掉落规律等，而不是试图一次性理解整个复杂场景。这种分解式学习加上智能的探索策略，使得系统能够从有限的数据中提取出丰富的规律信息。
Q3：Crafter-OO环境有什么特殊之处？
A：Crafter-OO是研究团队专门设计的复杂虚拟环境，类似简化版《我的世界》。它包含资源收集、工具制作、建筑放置、战斗等多种机制，具有现实世界的复杂性和随机性。与传统简化测试环境不同，Crafter-OO的状态完全开放给AI观察，没有隐藏信息，这使得AI能够真正理解因果关系而不是依赖统计相关性。
万隆优配提示：文章来自网络，不代表本站观点。
