notebook

深色模式

WARNING

🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。

符号世界模型导论 — demo.py 代码详解 ​

Download demo.py

运行方式 ​

bash
cd docs/world-models/symbolic/overview/code
python demo.py

秒级，无 PyTorch。同一把「钥匙—门」微型世界：规则执行器 vs 只记训练转移的查找表。换一把未见过的钥匙后，只有规则还能出门。

代码逐段详解 ​

第1步：状态是字典，不是张量 ​

python
s = dict(state)
loc, has_key, door, key_id = s["loc"], s["has_key"], s["door"], s["key_id"]

符号世界模型把状态写成有名字的字段。dict(state) 浅拷贝，避免 step 改到调用者手里的原字典。语法 s["loc"]：用字符串当下标；拼错键会 KeyError，这是故意的——字段集是契约。

第2步：step_rules — 定律写在 if 里 ​

python
if action == "pickup" and loc == "room" and not has_key:
    s["has_key"] = True
elif action == "unlock":
    if has_key and key_id and door == "locked":
        s["door"] = "open"
elif action == "go_out":
    if door == "open":
        s["loc"] = "outside"
  • pickup：只在房间且没钥匙时捡起。条件失败则状态不变（非法动作被忽略，不是报错）。
  • unlock：has_key and key_id — key_id 非空就视为匹配。注释写明「任意非空 id 都匹配」：泛化靠的是谓词「有钥匙」，不是记忆字符串 "iron"。
  • go_out：门必须已开。规则组合：pickup → unlock → go_out 才能达成目标。

设计：没有神经网络。可执行规则 = 世界模型。换 key_id 不改代码，定律仍成立。

第3步：查找表怎么「学」 ​

python
def train_lookup(episodes):
    table = {}
    for s, a in episodes:
        key = (s["loc"], s["has_key"], s["door"], s["key_id"], a)
        table[key] = step_rules(s, a)
    return table

键是冻结后的元组（字典不能当 dict 的 key，因为可变、不可哈希）。值是规则走一步的下一状态——查找表其实是在抄规则的轨迹，不是另学一套物理。

训练集只见过 key_id="iron" 的三步计划，表里只有这三条键。

python
if key in table:
    return dict(table[key])
return dict(state)  # 没见过：保持原状

未见过的 (state, action) 当成「什么都没发生」。这是死记硬背的典型失败：不是随机胡编，而是静默不变，更像「幻觉成空操作」。

语法 key in table：字典成员检测，平均 O(1)。

第4步：rollout 与成功判定 ​

python
def rollout(step_fn, start, actions):
    s = dict(start)
    traj = [dict(s)]
    for a in actions:
        s = step_fn(s, a)
        traj.append(dict(s))
    return traj

step_fn 可以是 step_rules，也可以是 lambda st, a: step_lookup(table, st, a)。同一条动作序列、两套动力学，才能公平对比。

goal_reached：终点 loc=="outside" 且 door=="open"。只走到 outside 但门还锁着不算（本规则下也走不出去）。

第5步：三组测试在拆哪种子泛化 ​

用例规则查找表
训练钥匙 iron成功成功（表里有这些键）
新钥匙 gold，从空手开始成功（定律不看名字）失败：("room", False, "locked", "gold", "pickup") 不在表里，pickup 空操作，后面全卡死
已持 gold 直接开成功仍可能失败：没见过 gold 的 unlock 键

柱状图 int(True)=1：成功画成 1。bar 两组错开 ±w/2。

matplotlib.use("Agg")：无显示器也能存 png（服务器/CI）。

和第6步：和神经网络世界模型的关系 ​

RSSM/Dreamer 学的是连续函数近似；本章强调：组合泛化可以来自显式规则。查找表 ≈ 过拟合的转移记忆。LLM 世界模型介于两者之间，见 llm-sim。

源码位置 ​

clone 后打开（相对仓库根目录）：

docs/world-models/symbolic/overview/code/demo.py