CHEMWORLD PUBLIC v0.4
可编程虚拟化学实验室
ChemWorld 提供有状态的实验环境，用于研究 Agent 如何规划实验、操作装置、使用测量并处理失败。
研究问题¶
语言模型可以描述实验。但 Agent 能否判断尚未知晓的部分、主动获取正确证据、在约束下操作、修正失败计划，并闭合完整实验生命周期？ChemWorld 把这个问题变成了可执行系统。
| 静态 Benchmark | 可交互化学世界 |
|---|---|
| 固定提示已经包含证据。 | 测量本身是动作，会消耗成本、时间或样品。 |
| 在单次输出上判断正确性。 | 每个合法或无效操作都会改变——或明确不改变——轨迹。 |
| 新样本测试输入泛化。 | 受控 world fork 测试因果规律变化后策略能否适应。 |
一个系统，三层合同¶
01
物理因果世界
有类型状态、隐藏动力学、装置、仪器与受控干预。
02
实验交互运行时
校验、事务、测量、失败、资源、生命周期与回放。
03
任务与评估
公开目标、权限、预算、终止规则与任务特定结果。
Public v0.4 已验证的内容¶
64 / 64参考任务–世界单元
52 / 52生成组合
8 / 8确定性用例
6 对24 条受控 fork 轨迹
1 / 1完整 Agent 生命周期
这些是有限的软件模型资格结果，用来建立已发布合同与回放边界；它们不建立 Agent 排名、普适化学保真度或真实实验室迁移结论。检查证据 →
选择一条路径¶
| 目标 | 从这里开始 |
|---|---|
| 在浏览器中操作任务 | 在线 Student Lab |
| 逐步观察内置策略 | Agent Observatory |
| 理解研究主张 | 为什么是 ChemWorld |
| 了解隐藏因果规则如何变化 | 因果世界 |
| 接入自己的策略或模型 | 构建 Agent |
| 设计可复现比较 | Benchmark 设计 |
开发前沿功能与未发布证据仍留在 ChemWorld 开发仓库；本网站只描述稳定公开版本。