Modelli Mondiali del Web
Web World Models
December 29, 2025
Autori: Jichen Feng, Yifan Zhang, Chenggong Zhang, Yifu Lu, Shilong Liu, Mengdi Wang
cs.AI
Abstract
Gli agenti linguistici richiedono sempre più mondi persistenti in cui possano agire, ricordare e apprendere. Gli approcci esistenti si collocano su due estremi: i framework web convenzionali forniscono contesti affidabili ma fissi supportati da database, mentre i modelli di mondo completamente generativi mirano a ambienti illimitati a scapito della controllabilità e dell'ingegnerizzazione pratica. In questo lavoro, introduciamo il Web World Model (WWM), un punto intermedio in cui lo stato del mondo e la "fisica" sono implementati in codice web ordinario per garantire coerenza logica, mentre i grandi modelli linguistici generano contesto, narrative e decisioni di alto livello su questo stato latente strutturato. Costruiamo una suite di WWM su uno stack web realistico, inclusi un atlante di viaggio infinito ancorato a geografie reali, esploratori di galassie fittizie, mondi enciclopedici e narrativi su scala web, e ambienti simili a simulazioni e giochi. Attraverso questi sistemi, identifichiamo principi pratici di progettazione per i WWM: separare le regole definite dal codice dall'immaginazione guidata dai modelli, rappresentare lo stato latente come interfacce web tipizzate e utilizzare la generazione deterministica per ottenere un'esplorazione illimitata ma strutturata. I nostri risultati suggeriscono che gli stack web stessi possano servire come substrato scalabile per modelli di mondo, abilitando ambienti controllabili ma aperti. Pagina del progetto: https://github.com/Princeton-AI2-Lab/Web-World-Models.
English
Language agents increasingly require persistent worlds in which they can act, remember, and learn. Existing approaches sit at two extremes: conventional web frameworks provide reliable but fixed contexts backed by databases, while fully generative world models aim for unlimited environments at the expense of controllability and practical engineering. In this work, we introduce the Web World Model (WWM), a middle ground where world state and ``physics'' are implemented in ordinary web code to ensure logical consistency, while large language models generate context, narratives, and high-level decisions on top of this structured latent state. We build a suite of WWMs on a realistic web stack, including an infinite travel atlas grounded in real geography, fictional galaxy explorers, web-scale encyclopedic and narrative worlds, and simulation- and game-like environments. Across these systems, we identify practical design principles for WWMs: separating code-defined rules from model-driven imagination, representing latent state as typed web interfaces, and utilizing deterministic generation to achieve unlimited but structured exploration. Our results suggest that web stacks themselves can serve as a scalable substrate for world models, enabling controllable yet open-ended environments. Project Page: https://github.com/Princeton-AI2-Lab/Web-World-Models.