全球首个通用决策大模型，AI推演现实世界的技术揭秘

编辑｜杜伟 生成答案正在成为 AI 的基础能力，而推演现实世界，才是下一阶段更难的命题。 真实决策不是一道静态问答。它发生在一个持续变化、多主体同时行动、信息不完备且充满不确定性的世界里。 比如一个新开源模型突然把成本打下来，头部模型公司会不会跟进降价，云厂商、开发者和应用公司又会怎样重新站队？这类决策中，一方行动会改变其他方下一步面对的条件，新的反应又会继续改写局势。就像一盘所有棋手同时落子的棋，每落下一子，棋局都会随之改变。 也正是在这一背景下， 中科闻歌决策机 Decitron（简称决策机） 发布后，被多家主流科技媒体称为「 全球首个通用决策大模型」。该称谓所强调的，并非世界模型、多智能体或博弈求解等某项单一技术的首次出现，而是 决策机 首次将这些能力统一到一套面向开放世界的决策框架中，形成持续建模、推演、求解和校准的完整闭环。 所谓「 通用」，是其试图将不同领域的复杂决策问题抽象为一套共同结构 —— 世界状态、参与主体、行动空间、约束关系、多轮互动和不确定结果，并在同一套框架中持续推演与求解。 技术报告地址：https://chinaxiv.org/abs/202608.00064 8 月 3 日，决策机 Decitron 完整技术报告正式发布，首次系统公开其三项核心技术贡献： 一是提出 显式世界模型 MetaWorld ，将多源信息整理成结构化、持久化和可计算的世界状态及其因果建模；二是采用 State–Action–Outcome (SAO) 形式化表示，将复杂决策转化为可计算的表达与推理形式；三是构建融合多智能体模拟、博弈推理和形式化优化的 混合推理架构 AutoABM ，基于多智能体决策推演系统求解博弈均衡、策略规划与约束满足等复杂决策问题。三者共同构成决策机的技术底座，目标是将 AI 系统的一次性判断，转变为一个随世界变化持续更新的计算与推演过程。 让 AI 参与真实决策， 需要怎样一套架构？ 当前，围绕「决策推演」，AI 需要的几项关键能力（如世界模型、多智能体、博弈推理、概率预测）其实已经陆续出现。真正的难点在于：当 AI 从封闭任务进入开放现实世界，这些能力必须围绕同一个、持续更新的世界状态协同工作，而不能只在一次 Prompt 里给出彼此独立的分析。 先看世界模型。提到 World Model，人们很容易想到 Sora、World Labs、V-JEPA 等主要面向视觉、空间、物理或机器人环境的物理世界模型。而决策机提出的 MetaWorld 关注的则是更为复杂的决策场景：经济、政策、企业竞争、地缘等开放系统，系统建模涉及的主体、变量、关系和约束更加繁杂 。 MetaWorld 可以看作世界模型向社会系统的一次延伸，需要处理三类棘手的问题：规则差异、反身性（因果之间双向互动、循环影响）和无法彻底消除的不确定性。这也带来了一个直接问题：如果对当前世界的判断出现偏差，后面的推演会不会跟着跑偏？ 一旦进入社会系统，只维护环境状态还不够，AI 还要判断其他参与者怎么做。Meta 的 CICERO、北大等团队提出的 Richelieu 已经展示了多个 Agent 在有限信息下进行互动与博弈的能力；而对于开放世界的真实决策，在模拟出各方行动之后，还要继续判断策略是否可行、博弈可能落在哪些均衡上以及不同未来发生的可能性和条件。 决策机的意义正在于此 ：其混合推理架构 AutoABM 将 LLM 的语义理解、SAO 结构化表示、多智能体建模与仿真、策略推理与优化统一在同一条实现链路上，打通了「理解世界 — 模拟推演 — 求解决策 — 评估未来」这四步。 从事实到未来， 决策机如何完成一次复杂推演？ 决策机由输入与任务、数据与知识、建模与形式化、模拟与推理、预测与校准、报告与解释六个层级组成，形成从现实信息到决策输出的完整链路。 接下来，我们以「 未来半年，某场复杂贸易冲突可能如何演化？ 」为案例，看决策机如何从现实信息出发，一步步建立当前世界状态、模拟各方行动、推演未来可能出现的不同路径，以及这些路径会在什么条件下发生。 第一步：先不急着推演未来，首先弄清「现在发生了什么」，以及哪些事实值得相信。 现实世界的信息很杂，可能重复或彼此冲突，也可能已经过时。决策机首先将用户的问题转成一个结构化任务，明确要回答什么、涉及哪些主体、观察多长时间，以及有哪些约束。以案例来说，系统会先锁定这场冲突涉及的主要参与方、时间范围和当前争议焦点，梳理关税、供应链、产业政策、企业行为等可能影响局势变化的条件，随后 围绕这些要素从新闻报道、社交媒体、研究报告等不同来源收集信息 。 图 2： 数据处理流程图 收集到的信息会先经过去重、聚类和事件抽取，整理成事件时间线和一组更细的证据单元。然后系统通过 Evidence Quality Score (EQS) 逐条判断信息质量，包括与当前问题的相关性、来源可信性、内容时效性与完整性、不同信源之间的一致性。同时根据证据的不同置信度决定它们的去向，其中置信度高的直接进入后续推演。 如果现有证据不足或者不同来源出现冲突，系统继续执行 基于 ReAct 的交替推理与检索 ，根据当前缺少的信息调整下一轮搜索，并把新找到的信息补充进已有时间线。 图 3：采用基于 ReAct 的推理与检索交替机制 第二步，把筛选后的事实转化为一个持续更新的「世界状态」 。事实告诉系统发生了什么，接下来还要进一步判断：这些变化叠加在一起，现在的世界究竟处于什么状态。 决策机采用 State–Action–Outcome (SAO) 表示把这个过程形式化，其中 State 描述当前世界状态，Action 记录各个 Agent 在当前状态下采取的行动，Outcome 记录行动带来的收益、损失、成本和风险等结果。值得注意的是， State 区分宏观状态和更细的可量化状态 。在案例中，摩擦升级可以是宏观状态，关税水平、商品价格、供应链受影响程度等可以进入更细的状态记录。 此外，系统还单独考虑外部冲击，比如政策突变、环境变化或其他不由 Agent 控制的事件。一次行动和外部事件发生后，世界状态随之更新。更新后的状态再成为下一轮行动的起点。如此循环往复，形成了一条连续的 SAO 轨迹。 图 4：SAO 运行过程 负责把这些状态真正维护起来是 MetaWorld ，它输出的是一套可以计算和更新的结构化世界状态。状态又可以拆成三个层次：Environment Layer 记录所有参与者共享的整体环境，例如局势阶段、资源价格等；Agent Metrics Layer 记录每个 Agent 的资源、能力和目标进展；Relationship Matrix Layer 记录不同 Agent 之间的关系变化。 MetaWorld 还使用 因果 DAG (Causal Directed Acyclic Graph) 约束状态如何变化：变量之间可能的影响，在建模阶段就被组织进因果关系图。推演过程中，系统更新节点状态和因果边的权重，但不会每一轮重新生成一张因果图。 这对长程推演很重要。前一轮关税变化影响价格，价格又改变企业选择和其他参与者的回应，这些变化都需要被保留下来，才能继续往后算。MetaWorld 承担的就是这