---
title: Forskerteam fra Tsinghua utvikler algebraisk verdensmodell for å forbedre kunstig intelligens
url: https://www.elseif.net/no/forskerteam-fra-tsinghua-utvikler-algebraisk-verdensmodell-for-a-forbedre-kunstig-intelligens
published: 2026-11-04T09:10:53+00:00
language: no
section: Modeller
source: https://www.qbitai.com/2026/11/507031.html
organizations: Tsinghua University
publisher: elseif
---

# Forskerteam fra Tsinghua utvikler algebraisk verdensmodell for å forbedre kunstig intelligens

Et forskerteam ledet av Yao Qizhi og Yuan Yang ved Tsinghua University har utviklet et prosjekt kalt Algebraic World Model, eller AWM. Systemet er designet for at kunstig intelligens skal kunne observere og eksperimentere for å forstå verden, i stedet for bare å lære fra eksisterende data.

Modellen bruker matematikk for å abstrahere objekter, relasjoner og regler i et miljø til en algebraisk verden. Den henter inspirasjon fra kategoriteori, en gren av matematikken som studerer felles strukturer på tvers av ulike matematiske teorier. AWM benytter spesifikt verktøyene projeksjonsgrenser og induktive grenser for å iterere hypoteser skrevet i Python. Dette gjør at fragmenterte observasjoner kan gjøres om til en konsistent verdensmodell som tillater resonnering og bevis.

I tester med spillsettet ARC-AGI-3 viste AWM overlegen evne til å identifisere umulige oppgaver. I et spesifikt spill kalt sc25, hvor startstegene var satt slik at det var umulig å vinne, klarte en versjon av AWM basert på Opus 5.5 å bevise at nivået var uløselig etter bare to forsøk. Den kunne også fastslå at seier ville kreve nøyaktig ett ekstra steg. Til sammenligning klarte toppmodeller som GPT-6 Astra og Claude Opus 5.5 bare å identifisere at oppgaven var umulig i fem av tolv lignende tester, og i fire av disse tilfellene var det oppgitte minimumsantall av steg feil.

Når det gjelder generell ytelse i ARC-AGI-3, fullførte AWM alle 183 nivåer ved bruk av Opus 5, noe som ga en poengsum på 99,9 prosent. Modellen brukte i gjennomsnitt bare 43 prosent av antall handlinger som kreves i menneskelige referanseverdier.

Forskerne bemerker at modellen har begrensninger, ettersom bevisene er basert på den observerte verden. Hvis utforskningen er ufullstendig og viktige regler blir utelatt, vil modellen kun representere en lokal sannhet snarere enn en komplett beskrivelse av verden.