웹 세계 모델
Web World Models
December 29, 2025
저자: Jichen Feng, Yifan Zhang, Chenggong Zhang, Yifu Lu, Shilong Liu, Mengdi Wang
cs.AI
초록
언어 에이전트는 행동하고 기억하며 학습할 수 있는 지속적인 세계를 점점 더 필요로 하고 있습니다. 기존 접근법은 두 가지 극단에 위치해 있습니다: 기존 웹 프레임워크는 데이터베이스를 기반으로 안정적이지만 고정된 컨텍스트를 제공하는 반면, 완전 생성형 세계 모델은 제어 가능성과 실용적인 엔지니어링 측면을 희생하면서 무제한 환경을 목표로 합니다. 본 연구에서는 중간 지점인 웹 세계 모델(Web World Model, WWM)을 소개합니다. WWM에서는 세계 상태와 '물리 법칙'이 일반적인 웹 코드로 구현되어 논리적 일관성을 보장하며, 대규모 언어 모델이 이 구조화된 잠재 상태 위에서 컨텍스트, 서사, 고수준 의사 결정을 생성합니다. 우리는 현실적인 웹 스택 위에 WWM 제품군을 구축했으며, 여기에는 실제 지리를 기반으로 한 무한 여행 지도, 가상의 은하 탐험가, 웹 규모의 백과사전적 및 서사적 세계, 시뮬레이션 및 게임형 환경이 포함됩니다. 이러한 시스템들을 통해 우리는 WWM을 위한 실용적인 설계 원칙을 도출했습니다: 코드로 정의된 규칙과 모델 주도 상상을 분리하고, 잠재 상태를 타입이 지정된 웹 인터페이스로 표현하며, 결정론적 생성을 활용하여 무제한이지만 구조화된 탐색을 달성하는 것입니다. 우리의 결과는 웹 스택 자체가 세계 모델을 위한 확장 가능한 기반으로 작용하여 제어 가능하면서도 개방형 환경을 가능하게 할 수 있음을 시사합니다. 프로젝트 페이지: 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.