AgentGarten 最值得看的设计，是把一个训练环境拆成两层：世界怎么运转交给代码，世界长什么样交给神经网络。

AgentGarten 最值得看的设计，是把一个训练环境拆成两层：世界怎么运转交给代码，世界长什么样交给神经网络。

论文先讲了一个卡脖子的问题。智能体能学到什么，取决于它练习的环境。这个环境要满足两个条件：一是可信，状态、规则、动态前后一致；二是逼真，观察到的画面要符合真实世界的视觉分布。在各种不同的世界里同时做到这两点，一直是瓶颈。

它的做法分三步：

第一，模拟器和游戏引擎当后端，负责维护持久的世界状态，并执行由程序定义的内容。具体执行的是什么，公开的摘要正好在这里断了。

第二，所有后端共用同一个神经渲染器，把这些状态画成接近真实的画面。

第三，两层拼在一起，组成可以实时交互的环境。

对照前面那两个条件，分工很清楚：可信落在后端，靠持久状态和程序定义的执行；逼真落在渲染器，而且这个渲染器是各个后端共用的一个，不是每个世界单独配一个。论文把「多样的世界」和「同时做到两点」放在一起讲，框架给的答案就是这种耦合方式。

有一点目前看不清楚：神经渲染器画出来的东西，会不会和后端的真实状态对不上，比如画面里多了一扇门，代码里却没有。摘要能看到的部分没写怎么约束这一点。标题里的 Evolving，也就是世界和智能体怎么一起进化，以及有没有量化结果，这部分也没讲。上 HF Papers 当天，它拿到了 15 个 upvote。

AgentGarten 论文页，摘要和讨论都在这里：huggingface.co/papers/2610.12374