Coding Agent Is Good As World Simulator

Coding Agent 被证明是优秀的世界模拟器：新研究提出物理一致性新路径

来自arXiv的最新预印本（编号2605.14398）提出一个核心观点：Coding Agent（编码智能体）作为世界模拟器的表现相当不错。这篇论文直接挑战了当前主流的视频生成式世界模型，指出那些通过视频推断物理动态的模型，其实存在一个挺大的硬伤——生成的画面往往不符合物理规律。想想看，一个模拟器连物体的稳定接触都保证不了，形状还会扭曲，这还能叫“世界模型”吗？

视频世界模型的问题出在哪？

说白了，传统视频类世界模型的工作方式是从视频片段里“猜”出动态规律，再把这些规律压缩成隐藏状态。但问题就出在这个“猜”字上。它要是不小心漏掉了物理约束，生成的画面就会出乱子。你有没有见过那种AI生成的动画，物体跑着跑着就穿模了？或者一个杯子下落时在空中莫名其妙地变形？这就是没有显式强制物理约束的后果。

为了克服这个缺陷，研究者们提出了一个全新的思路：启用编码智能体来构建世界模拟器。这个办法的妙处在于，它不靠“猜”物理规律，而是直接生成可执行的代码。代码本身就要遵循逻辑规则，所以生成出来的模拟环境在物理上天然就更靠谱。咱们可以把它理解成——与其让AI看一堆视频再胡乱模仿动作，不如直接教它写一套物理引擎。

代理式编码器如何实现物理正确？

这篇论文的关键在于“Agentic”这个词。它不只是让AI写代码，而是让AI扮演一个智能体角色，去主动设计交互环境。具体来说工作流程分几步：

• 第一步：任务理解 — 编码智能体先读入对模拟场景的描述，比如“一个球从斜坡上滚下来”。
• 第二步：代码生成 — 它写出一段程序，这段程序里直接嵌入了物理参数（如重力、摩擦力、碰撞检测）。
• 第三步：即时反馈 — 生成的代码如果不能运行，或者运行结果跑偏了，智能体可以自己调试、重写，直到输出符合物理常识的模拟画面。

这么一来，生成的每一个画面都不是从视频里“插值”出来的，而是由物理规律实时计算出来的。这跟传统视频模型那种“黑盒式”的生成方式，差别可不是一星半点。

实际效果与行业意义

目前论文把这套方法定义为“替换类型”（Announce Type: replace），意味着它是对之前版本的一次重大升级。虽然论文还没给出完整的规模化测试数据，但这个方向确实给AI模拟环境开发指了条明路。要知道，在机器人训练、自动驾驶仿真、游戏开发等领域，一个物理正确的模拟器可比漂亮的画面重要多了。画面再好看，要是小球落地会穿模，那训练出来的机器人肯定得摔跟头。

所以，Coding Agent Is Good As World Simulator这个判断，恐怕不是空口白话。它正在用自己的方式证明，写代码比看电视更能理解世界运行的规则。