让 agent 造游戏，给世界模型当数据工厂

Hugging Face 日榜第一的论文（118 赞）把 agent 和环境的常规关系倒了过来。不是在游戏里训练 agent，而是让 agent 造游戏——开发过程本身变成世界模型训练数据的工厂。论文叫"Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models"，来自 NUS 尤洋团队及合作者，地址 https://arxiv.org/abs/2608.25500。

核心洞察还是"可验证"这个今年一直在赢的主题。世界模型极度缺乏真正有据可依的轨迹数据——从互联网上扒的视频只告诉你发生了什么，不告诉你底下的状态。而一个由 agent 开发中的游戏两样都给：每条轨迹都自带引擎的真值状态、物理和事件日志，因为造这个游戏的 agent 手里有源码。数据生产从爬取问题变成了自带质检的制造流程。

这和我们从好几个侧面写过的模式严丝合缝：EnvHarness 改写环境来训练 agent，FACET 拿容器状态当真值，SemaPLC 用已验证执行做闸门。agent 训练的稀缺资源已经不是算力、甚至不是任务，而是内部状态可信的环境。这些论文正在汇聚出同一个答案：可验证环境稀缺，那就让 agent 自己制造。