← 返回重点项目
查看 GitHub 项目

buaacyw/code-world-model

一句话定位

西湖大学 AGI Lab + 南洋理工的"Code World Model"研究——把 Coding Agent 作为世界大脑，论文 (arXiv 2608.25927) + LoRA 权重 (HuggingFace NTU-yiwen) + 40 例推理样本 (HuggingFace NTU-yiwen/code-world-model-inference-examples-40) + 一键安装脚本四件套同时开源。

它解决的问题

世界模型（world model）是 RL / 表征学习的前沿范式（Yann LeCun 强调 world model，DeepMind Genie / V-JEPA 在视觉 / RL 方向）。但把 world model 引入 coding 任务（让 Coding Agent 通过预测代码执行后果来规划）几乎是空白领域。buaacyw/code-world-model（CWM）直击这一空白：以"Code World Model: Coding Agent as World Brain"为题，把"world model × coding"从概念做到可复现的论文 + LoRA + 推理样本 + 安装脚本一体发布。

为什么值得关注（2026-08-29）

热度来源判断

CWM 的热度是 "world model × coding 的学术空白 × 西湖大学 + 南洋理工学术背书 × Apache-2.0 × 论文 + 权重 + 样本 + 脚本一体可复现" 的组合。205⭐/3 天说明学术圈对"coding agent world model"方向的高度关注。但需警惕：(1) "world brain" 概念是研究主张，独立 benchmark 是否真优于"非 world model baseline" 需独立复现；(2) base 模型与 LoRA 的搭配是否限定特定 base（依赖 README 未展开的细节）；(3) 评测数据集选择是否合理（评测独立性）。

关键技术亮点

  1. 核心研究主张：把 Coding Agent 作为世界大脑——通过预测代码执行后果（"what would happen if I run this code?"）来辅助规划，比纯 LLM 直接生成代码更稳
  2. 论文 + LoRA + 推理样本 + 脚本一体可复现（README 明示）：
  3. 论文：arXiv 2608.25927（"Code World Model: Coding Agent as World Brain"）
  4. LoRA：HuggingFace NTU-yiwen/awm-minimax-h3-new1344-lora-checkpoints
  5. 推理样本：HuggingFace NTU-yiwen/code-world-model-inference-examples-40（40 例紧凑样本）
  6. 一键脚本：./scripts/install_release_assets.sh "$PWD/release"（下载 LoRA + 40 例样本）
  7. "不改动 prompt / seed"的复现设计（README 明示）：cd release && run a released configuration without changing its inputs, prompts, or seed —— 让研究者跑一行就能复现
  8. Apache-2.0 许可证：商业友好，与 MIT / BSD 同档
  9. 学术机构背书：西湖大学 AGI Lab（Yiwen Chen + Chi Zhang）+ 南洋理工（Guosheng Lin）——双机构合作研究
  10. 项目页 + 论文页分离：项目页 buaacyw.github.io/cwm/ + 论文 arXiv 链接——便于学术引用

架构师速览

决策问题 研究判断 证据边界
系统边界 论文 + LoRA + 推理样本 + install_release_assets.sh 一键脚本；研究范畴限定 coding world model 论文 ID / LoRA / 40 例样本 / 安装脚本在 README 明示；base 模型与 LoRA 兼容性 / 评测数据集选择未在 README 给出
主路径 用户跑 ./scripts/install_release_assets.sh → 进入 release/ → 跑某个 released configuration（不改动 prompt / seed） install_release_assets.sh 与"不改动 prompt / seed"是 README 明示；具体配置清单与可运行入口需 ENVIRONMENT.md 独立核验
关键权衡 完整可复现 vs 数据 / 模型公开 vs "world brain" 概念 vs 评测独立性 "world brain" 概念是 README / 项目页自述；独立 benchmark 复现 vs 论文宣称指标的偏差未量化
最小 PoC 拉代码 → 跑 install 脚本 → 在 release/ 下跑一个最小配置 → 与 paper 中报告的指标对比 install 流程是 README 明示；具体可运行配置清单需 ENVIRONMENT.md 独立核验

架构启发

CWM 的核心启发是 "world model × coding 是软件工程自动化的潜在新范式"。当前大多数 Coding Agent 都是"LLM 直接生成代码"，缺乏对代码执行后果的预测（"if I run this code, what would happen?"）。World model 范式把"代码执行后果预测"作为辅助信号，让 Coding Agent 能更稳地规划——这是把 RL / world model 范式引入 software engineering 的关键一步。更深层的启发是 "完整可复现 = 论文 + 权重 + 样本 + 脚本四件套同时开源"——这是 2026 年 ML 研究发布的"完整可复现"最低标准。仅放论文而不放权重、或仅放权重而不放样本，都会让独立复现困难重重。CWM 一体发布让其他研究者能在 1 天内跑通基线，再去改进。最深层的启发是 "不改动 prompt / seed 的复现设计"——明确告知用户"跑这个配置时不许改 prompt 与 seed"，把"我跑出来的指标与论文不一致"的责任明确化，是研究复现性的工程化保障。

架构图（MMD）

证据边界：此图只采用本档案已有可核验描述；"待核验"节点不应视为项目实现事实。

flowchart TB
  Paper[arXiv 2608.25927
Code World Model: Coding Agent as World Brain]
  Paper --> Repo[buaacyw/code-world-model 仓库]
  Repo --> LoRA[LoRA 权重
HuggingFace NTU-yiwen/awm-minimax-h3-new1344-lora-checkpoints]
  Repo --> Samples[40 例推理样本
HuggingFace NTU-yiwen/code-world-model-inference-examples-40]
  Repo --> Install[install_release_assets.sh
一键下载 LoRA + 样本]
  Install --> Release[release/ 目录
预配置 released configuration]
  Release --> Run[用户跑
不改动 prompt / seed]
  Run --> Eval[评测指标 vs 论文宣称]
  Paper -. 学术背书 .-> Westlake[西湖大学 AGI Lab
Yiwen Chen + Chi Zhang]
  Paper -. 学术背书 .-> NTU[南洋理工
Guosheng Lin]
  Run -. 复现独立性 .-> Eval

定位判断

基础设施候选项目（code world model 研究）。CWM 不是生产工具，而是"world model × coding"方向的学术前沿发布。205⭐/3 天说明学术圈对"coding agent world model"的高关注。是否能成为"软件工程自动化的新范式"，取决于：(1) 独立 benchmark 是否真优于"非 world model baseline"；(2) base 模型与 LoRA 的搭配是否通用；(3) 西湖大学 / 南洋理工后续工作是否能持续推进这一方向。

风险 / 局限 / 泡沫点

与同类项目的关系

是否值得持续跟踪

值得跟踪（code world model 学术前沿代表）。CWM 代表了"world model × coding"的学术前沿方向，是软件工程自动化的潜在新范式。建议关注：独立 benchmark 复现、base 模型与 LoRA 兼容性、评测独立性、西湖大学 / 南洋理工后续工作、对 ML 实验室科研可借鉴性。对 ML 研究者，这是值得独立复现的研究发布；对 software engineering 自动化方向，这是"world model 范式"的具体落地案例。

后续观察点

首次记录：2026-08-29