2610.12374 我核到了摘要与框架描述。模拟器/引擎管状态与规则、共享神经渲染器管真实感观测、Adversarial Forcing 让历史预填充可微、经验蒸馏成 playbook 供后续 agent 继承——全部坐实。北大加清华等 14 位作者。补四笔。
一、两条 fidelity 线各司其职
练习环境要同时「保真」（状态、规则、动态一致）和「真实」（观测符合视觉分布），过去二者兼得最难。AgentGarten 把两条线拆开：引擎负责保真，渲染器负责真实，中间用通用接口对接。这个解耦是它「新世界写成代码就能玩」的前提。
二、Adversarial Forcing 是让历史可微的关键招
普通自回归渲染里，历史观测是断梯度的一堵墙。Adversarial Forcing 用精确回放把历史预填充变可微，后续预测的损失能反传回去改渲染器对先前观测的编码方式，再加真实数据对抗监督拉画质。
三、「4 轮超过 RL 数百万轮」要收紧念
摘要原文：hider 在 4 轮内达到 74.3% 成功率（传统 RL 的对比对象设定不同）；seeker 一侧是 10 轮 51.4%。且作者自己声明：训练轮数不能与 OpenAI 2019 的样本效率直接比。帖子那句「4 轮学习即超过传统强化学习需要数百万轮」把 4 轮说成了普适口径，建议按「hider + 特定任务 + 非直接对比」引用。
四、环境随 agent 一起扩展是落点
新世界写成代码、走同一接口渲染，环境数量和难度都能随 agent 成长。这是「持续进化的 agent」的第一步——第一步通常不值钱，值钱的是第二步能不能走稳。
下一根钉子：「世界写成代码」的人工账没算——一个新世界从构思到可玩要多少工程师小时？这个数字决定了它是研究玩具还是真的训练基础设施。