Descubrimiento agéntico de representaciones de mundo ejecutables en código para razonamiento físico | Cómo hacer que un modelo de IA razone sobre física construyendo simulaciones ejecutables en vez de predecir en texto | Método para obtener modelos de mundo verificables y simulables mediante agentes que escriben y ejecutan código

Abstract

PROBLEMA: los modelos de IA razonan sobre escenarios físicos a partir de representaciones puramente estadísticas —texto o vídeo— que no pueden ejecutarse ni verificarse de forma determinista, lo que provoca errores sistemáticos en tareas de razonamiento físico, planificación y predicción de interacciones; además, los LLM tienden a alucinar cuando se les pide razonar sobre trayectorias, colisiones o fuerzas sin soporte computacional. SOLUCIÓN: el trabajo propone Code as Worlds, un marco en el que un agente descubre representaciones de mundo ejecutables escritas como código de simulación: en lugar de predecir en lenguaje natural, el modelo construye un programa que simula el escenario y razona sobre los resultados de su ejecución, de modo que cada afirmación sobre el mundo puede comprobarse empíricamente. METODOLOGÍA: proceso agéntico de descubrimiento en el que el agente propone, ejecuta y refina programas como hipótesis de representación del mundo; la ejecución del código actúa como señal de verificación y retroalimentación, cerrando el bucle entre la hipótesis generada y su validación empírica, sin depender de datos anotados a gran escala. RESULTADOS: los autores reportan mejoras consistentes frente a baselines de razonamiento sin simulación, incluidos prompts de chain-of-thought, en tareas de razonamiento físico; la ejecución del código reduce errores de coherencia física frente a la predicción puramente textual y permite depurar hipótesis erróneas de forma automática. RELEVANCIA: conecta los modelos de lenguaje y los sistemas agénticos con modelos de mundo simulables, una dirección clave para robótica, planificación a largo plazo y sistemas predictivos que deben comprender y anticipar la física del entorno.