규칙 모르는 게임에서 세계 모델을 직접 짜게 했더니 97.8%

ARC-AGI-3 같은 지속학습형 과제는 규칙을 모르는 새 환경에 얼마나 빨리 적응하느냐가 관건인데, 지금까지는 세계 모델(world model)을 과제마다 사람이 하드코딩해 새 과제로 옮겨 붙일 수 없었습니다. Twin은 코딩 에이전트가 테스트 시점에 실행 가능한 세계 모델, 곧 디지털 트윈을 직접 작성하게 합니다. 지금까지 관측한 모든 전이를 그 프로그램이 재현할 때까지 행동을 보류하고, 예측과 실제가 어긋난 지점을 반례로 삼아 모델을 고쳐 나갑니다. 183개 레벨 중 179개(97.8%)를 클리어했고 그중 158개(88.3%)는 사람보다 효율적이었으며, 트윈을 붙이기 전 7.8→93.3%로 뛰었습니다. 저자들은 정작 어려운 문제가 무엇이 목표인지 알아내는 일이었다고 정리합니다.