把世界拆成代码与渲染
AI研究团队MirroS开源AgentGarten框架，代码、技术报告与项目页全部公开。其核心设计是把「模拟世界」拆成两层：代码负责物理、布局、接触与游戏规则，状态显式、每个结果由程序决定；神经渲染器再把代码导出的轻量几何草图（如深度与表面法线）渲染成逼真的下一帧画面。
避开两条老路
团队认为这一架构同时避开了两个常见取舍：游戏引擎场景需要昂贵的美术资产才能逼真，而视频世界模型的物理藏在网络里、无法查询或编辑。渲染器以短分块流式生成视频，智能体可以行动、观察结果、再决策，形成完整的闭环。配套的Adversarial Forcing训练方法加精确回放，抑制了长时序推演中的漂移与伪影，单张GPU上480p可跑30帧以上。
躲猫猫实验重跑
为验证学习能力，团队重跑了2019年著名的躲猫猫实验：当年强化学习需要约2500万局才让隐藏者学会搭建掩体，而在AgentGarten中，智能体仅通过第一人称画面与简短Python程序交互，第4轮就建起掩体、第10轮学会用斜坡翻墙。相同循环在另外四个世界中同样有效。这是智能体「在物理可查询的世界里持续改进」方向上的一次扎实开源。