Code Owns the Simulation, Jev Owns the Evaluation¶

L1 核心机制诊断：真实克隆环境、执行分支和调用既有 provider 协议；本地实验使用显式词法诊断 provider，没有调用真实 Jev，也不是 ALFWorld 成功率复现。

论文信息¶

字段	内容
论文链接	arXiv 2610.01834
公司/机构	The Chinese University of Hong Kong（一作 Yaodong Yang）
首次公开日期	2026-10-01（arXiv v1）
原文开源代码	未找到作者公开代码仓库（2026-10-04 全文核查）
Adapter	`jev-lookahead`（Python 机制 API，不是 reproduce CLI adapter）
本地复现代码	`src/auto_research/system_one/lookahead.py`

原始论文总结¶

背景与主要改动¶

让可执行代码负责模拟每个动作的后继状态，让 Jev 只负责比较动作带来的进展。除了当前动作和下一观察，还显式提供“执行后新出现的可用动作”，降低纯语义动作评分难以预判长期可达性的缺陷。

flowchart LR
  S[当前真实环境] --> F[每个合法动作各克隆一份]
  F --> E[在独立副本执行一步]
  E --> O[下一观察 + 新增合法动作]
  O --> J[Jev 结构化动作评分]
  J --> C[返回所选动作]
  C --> R[调用方在真实环境执行]

原论文关键图¶

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式¶

对动作 \(a\)，\(s'_a=\operatorname{step}(\operatorname{clone}(s),a)\)；令 \(\Delta A_a=A(s'_a)\setminus A(s)\)。决策器输入仅包含 \(a,o(s'_a),\Delta A_a\) 以及公开任务历史，而不是 simulator 的 reward、gold plan 或成功标签。

论文离线与线上效果¶

ALFWorld unseen 的 134 个任务中，论文报告 raw 42 个、加入下一观察 79 个、再加入新可用动作 116 个成功（约 87%）。机器人技能选择为 22/40，手写选择器为 3/40；直接 raw-torque 路线为 0/20。不同任务结果不可混比。未报告生产线上 A/B。

本地复现¶

运行 PYTHONPATH=src python scripts/run_oct04_seven_papers.py。

simulate_options(environment)：每个动作独立克隆；拒绝 fork() 返回原对象，真实状态不改变。
choose_with_lookahead(environment, provider, task=..., observation=...)：复用 System One ChoiceQuestion/SystemOneRequest，校验结果属于合法候选；不擅自执行真实动作。
环境须提供 fork/admissible_commands/step，step 仅返回可观察字符串。调用方必须保证深层状态、RNG 和外部资源隔离；仅对象不同不等于完整隔离。

三种子产物记录每次模拟两个分支、真实状态不变及所选动作。词法 provider 是明确标记的测试替身，不用它生成能力成功率。

复现边界¶

尚未运行真实 Jev checkpoint/托管 API、ALFWorld 或机器人环境；本次不新增 CUDA 路径，不宣称 GPU 验证或 Evolve 能力提升。System One 方法索引保留交叉入口。