World Editing: Intervening on Executable Worlds at Increasing Depth
作者: Max Ku, Nok-Kan Law, Yu-Chien Tang, Shih-Ying Yeh, Ping Nie, Andy Zheng, Tat Hei Lai, Fei-Yueh Chen, Nikko Yu, Wei-Chieh Sun, Suzy Huang, Chiao-Wei Hsu, Chih-Chuan Huang, Chak-Wing Mak, Ho Yin Sam Ng, Edisy Kin Wai Chan, Min-Hung Chen, Ho Kei Cheng
分类: cs.AI
发布日期: 2026-10-01
备注: Preprint. Project page: https://vinesmsuic.github.io/IGMWorld/
💡 一句话要点
提出世界编辑方法以解决可执行世界编辑不足问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 世界编辑 交互式模型 游戏修改 干预深度 可执行世界 性能评估 Minecraft Terraria
📋 核心要点
- 现有的交互式世界模型在生成和交互方面表现良好，但对现有世界的编辑能力仍显不足，尤其是在保持某些属性不变的情况下。
- 本文提出了一种新的世界编辑框架，定义了干预深度，并通过行业级游戏修改实现了这一能力，提供了一个系统化的评估基准。
- 实验结果表明，最强的编码代理在任务级标准下解决了78.2%的任务，且在标准级性能上达到了94.8%，显示出显著的编辑能力。
📝 摘要（中文）
交互式世界模型在生成环境和在其中行动方面越来越强大，但对现有可执行世界的有意编辑仍然未被充分探索。本文将世界编辑定义为在保留不应改变的属性的同时对现有世界进行干预，并引入干预深度作为描述编辑与世界实体、动态和系统之间耦合强度的轴线。通过行业级游戏修改实现这一能力，并引入IGMWorld及IGMBench，一个涵盖Minecraft和Terraria的110个任务和超过1.1K可执行状态和行为标准的基准。这些任务涵盖属性、实体、动态和系统干预，并通过确定性可执行性、行为、保留和视觉检查进行评估。前沿编码代理已经展现出显著的世界编辑能力：最强配置在严格的任务级标准下解决了78.2%的任务，而标准级性能达到了94.8%。
🔬 方法详解
问题定义：本文旨在解决现有交互式世界模型在编辑可执行世界时的不足，特别是如何在保留某些属性的同时进行有效干预。现有方法在编辑深度和行为一致性方面存在挑战。
核心思路：论文的核心思路是将世界编辑视为一种干预过程，通过引入干预深度的概念来量化编辑对世界实体和动态的影响，从而实现更精细的编辑控制。
技术框架：整体架构包括IGMWorld和IGMBench两个主要模块，前者用于实现世界编辑，后者则提供了一个系统化的任务和评估标准，涵盖属性、实体、动态和系统干预。
关键创新：最重要的技术创新在于引入了干预深度的概念，使得编辑过程可以在不同层次上进行控制，这与现有的世界生成和交互方法本质上有所区别。
关键设计：在设计中，采用了多种评估标准，包括确定性可执行性、行为一致性和视觉一致性，确保编辑后的世界能够满足预期的行为和视觉效果。
🖼️ 关键图片
📊 实验亮点
实验结果显示，最强的编码代理在严格的任务级标准下解决了78.2%的任务，而在标准级性能上达到了94.8%。尽管干预深度增加时可靠性下降，但大多数失败的编辑仍能成功构建和加载，表明主要挑战在于使编辑后的世界按预期行为运行。
🎯 应用场景
该研究的潜在应用领域包括游戏开发、虚拟现实和教育模拟等。通过提供一种有效的世界编辑方法，开发者可以更灵活地创建和调整游戏环境，提升用户体验和交互性，未来可能在多种领域产生深远影响。
📄 摘要（原文）
Interactive world models are increasingly capable of generating environments and acting within them, yet deliberately editing an existing executable world remains underexplored. We formulate world editing as intervening on an existing world while preserving properties that should remain unchanged, and introduce intervention depth as an axis describing how strongly an edit couples world entities, dynamics, and systems. We instantiate this capability through industry-grade game modding and introduce IGMWorld, together with IGMBench, a benchmark of 110 tasks and over 1.1K executable state and behavioral criteria across Minecraft and Terraria. The tasks span property, entity, dynamics, and system interventions and are evaluated through deterministic executability, behavioral, preservation, and visual checks. Frontier coding agents already exhibit substantial world-editing capability: the strongest configuration solves 78.2% of tasks under a strict task-level criterion, while criterion-level performance reaches 94.8%. Reliability generally decreases with intervention depth, and this pattern persists even among tasks with similar numbers of evaluation criteria. Most failed edits still build and load successfully, suggesting that the main difficulty is making the edited world behave as requested. Visual consistency remains a separate weakness, with all evaluated configurations below 50% joint visual pass rate. These results show that world editing is a distinct capability from world generation and interaction, and that executable games provide a practical testbed for studying it.