← Back to Paper
Version History
Lingjing-Solo：面向交互式流体智能基准的世界模型场架构
Version 3
(Latest)
August 28, 2026 14:32
Lingjing-Solo：面向交互式流体智能基准的世界模型场架构
ARC-AGI-3 评估的不是模式识别能力，而是流体智能——系统在面对从未见过的隐藏环境时，能否通过探索快速归纳规则、设定目标并高效执行。当前前沿 LLM 在该基准上平均分仅 0.51%，证明纯大模型推理路线在此场景下不成立。 本方案提出 Lingjing-Solo（灵境单智体框架），将"统一信息场"思想从多智能体协同场景平移至单智能体交互学习场景。核心创新是将 LLM 从"每一步的决策主角"降级为"受限预算下的战略顾问"，让轻量级世界模型场（Φ-Field）承担状态记忆、规则归纳、循环检测与高效规划的主体工作。 框架设计为五层管道：感知编码 → 世界模型场 → 探索假设 → 规划执行 → 反思触发。在 Kaggle 无网络评测约束下可优雅降级为纯规则模式。本说明书完整描述架构设计、关键算法、设计决策依据及验证方案。
Version Notes: 更新团队分工表
✓ Reviewed
Latest Version
Version 2
August 27, 2026 12:44
Lingjing-Solo：面向交互式流体智能基准的世界模型场架构
ARC-AGI-3 评估的不是模式识别能力，而是流体智能——系统在面对从未见过的隐藏 环境时，能否通过探索快速归纳规则、设定目标并高效执行。当前前沿LLM 在该基准上 平均分仅0.51%，证明纯大模型推理路线在此场景下不成立。 本方案提出Lingjing-Solo（灵境单智体框架），将"统一信息场"思想从多智能体协同 场景平移至单智能体交互学习场景。核心创新是将LLM 从"每一步的决策主角"降级为"受 限预算下的战略顾问"，让轻量级世界模型场（Φ-Field）承担状态记忆、规则归纳、循环检 测与高效规划的主体工作。 框架设计为五层管道：感知编码→世界模型场→探索假设→规划执行→反思触 发。在Kaggle 无网络评测约束下可优雅降级为纯规则模式。本说明书完整描述架构设计、 关键算法、设计决策依据及验证方案。
Version Notes: 新增开源链接
✓ Reviewed
Version 1
August 27, 2026 12:29
Lingjing-Solo：面向交互式流体智能基准的世界模型场架构
ARC-AGI-3 评估的不是模式识别能力，而是流体智能——系统在面对从未见过的隐藏环境时，能否通过探索快速归纳规则、设定目标并高效执行。当前前沿 LLM 在该基准上平均分仅 0.51%，证明纯大模型推理路线在此场景下不成立。 本方案提出 Lingjing-Solo（灵境单智体框架），将"统一信息场"思想从多智能体协同场景平移至单智能体交互学习场景。核心创新是将 LLM 从"每一步的决策主角"降级为"受限预算下的战略顾问"，让轻量级世界模型场（Φ-Field）承担状态记忆、规则归纳、循环检测与高效规划的主体工作。 框架设计为五层管道：感知编码 → 世界模型场 → 探索假设 → 规划执行 → 反思触发。在 Kaggle 无网络评测约束下可优雅降级为纯规则模式。本说明书完整描述架构设计、关键算法、设计决策依据及验证方案。
✓ Reviewed