刚刚，Meta FAIR 推出了代码世界模型！
CWM（Code World Model），一个参数量为 32B、上下文大小达 131k token 的密集语言模型，专为代码生成和推理打造的研究模型
这是全球首个将世界模型系统性引入代码生成的语言模型。
与现有代码大模型相比，CWM 最与众不同的一点在于，它不仅能生成代码、理解语义。
更关键的是，它"懂得"代码如何执行，能模拟代码运行过程中变量的状态变化与环境反馈，从而推动代码理解、调试乃至规划的整体能力提升。
也就是说，它具备接近人类程序员的思考能力。
在多个代码与推理任务上，CWM 均有出色表现，譬如其在 SWE-bench Verified 得分 65.8%，领先所有开源同规模模型，已接近 GPT-4 级别。
更重要的是，Meta FAIR 这次开源了模型代码、训练细节以及多个阶段的权重检查点，诚意十足。
有人给 LeCun 留言问：
"你不是一直认为语言模型只是 AI 道路上的一个支线（LLMs are an off ramp），怎么又推出了以语言模型为基础的世界模型？"
LeCun 轻松回复称：
是的，不过咱现在讲的是编程，不是 ASI 哟～
让大模型"懂动态执行"
CWM 的诞生，直击当前大模型在代码生成中的一大痛点：
尽管现有大模型已经具备写代码的能力，但代码执行效果并不稳定，生成内容难以调试、不可执行，甚至存在隐藏逻辑错误。
FAIR 团队认为，其根源在于大模型只是把代码当作文本来预测。
它不理解代码会如何运行，对变量状态的变化、函数调用的副作用一知半解（甚至一无所知）。
在 FAIR 团队看来：
如果希望模型像程序员一样思考，就必须教会它代码执行的"世界状态"变化。
因此，CWM 首次在训练过程中引入代码世界建模（code world modeling）的概念，明确让模型学习"代码运行过程中，程序状态如何一步步演变"。
这意味着，CWM 的理解维度，从静态文本跃迁到了动态执行。
Meta FAIR 专攻 AI 与代码生成的资深研究科学家，也是 CWM 的资深核心贡献者Gabriel Synnaeve在� � 上分享了 CWM 追踪执行计算" strawberry "中" r "个数的代码的例子：
你可以把它想象成一个可以设置为任何初始帧状态的神经‘ pdb ’，推理可以作为工具在标记空间中查询。
相较于传统代码大模型生成 token 接 token 的静态预测，CWM 在三大能力有所升级——
第一，代码执行模拟。
CWM 可以逐行模拟代码执行过程，预测每一行代码如何影响变量状态，甚至提前判断出执行中的潜在错误。
这种能力为构建"神经调试器"提供了可能。
在 CWM 的推理过程中，变量状态可以随代码运行不断更新。
它甚至可以模拟终止条件、循环展开、边界情况，从而更精准地理解程序逻辑。
第二，自我调试与修复。
不止会写代码，CWM 还能自测、修错。
它能够在生成代码后自动构造测试用例，并在发现代码失败后用多种修改路径来尝试自我修复。
整个流程模拟了人类程序员常见的开发闭环：写→测试→改→再测。
第三，推理与规划能力。
面对复杂问题时，CWM 还能进行推理与规划。
例如，在编程竞赛或数学任务中，它可以根据问题描述分析步骤、规划函数结构，再结合执行预测逐步生成并验证代码，展现出多轮逻辑推理能力。
CWM 模型信息：参数、架构、性能一次看全
CWM 的模型架构采用了 64 层的 decoder-only Transformer，参数规模为 32B。
它支持 131k tokens 的长上下文输入——这大幅拓展了复杂项目、多文件代码、文档上下文的处理能力。
相对应的，Attention 结构采用了局部 + 全局交替机制，兼顾效率与上下文覆盖。
FAIR 提供了以下 3 个 checkpoints，供研究人员使用：
CWM 预训练模型：例如用于新的后训练方法。
CWM SFT：例如用于强化学习研究。
CWM：例如用于推理时间扩展。
在与多个一线模型的评测对比上，CWM 成绩如下：
SWE-bench Verified
得分 65.8%，领先所有开源同规模模型，接近 GPT-4 级别；
LiveCodeBench v5
得分 68.6%，展示高复杂度编程任务上的准确性；
Math-500
得分 96.6%，AIME 2024 模拟题达 76.0%；
Terminal-Bench
得分 26.3%，高于 Gemini 2.5 Pro；
Aider Polyglot（多语言代码生成）
得分 35.1%，与 Qwen3-32B 相近。
综合来看，CWM 在理解、生成、验证、修复等多个环节上，都有不俗表现。
FAIR 团队称 CWM 验证了"代码世界建模"对提升推理与代码生成的价值。
Gabriel Synnaeve 表示：
我对我的 CodeGen 团队所做的工作感到无比自豪！
这个团队由博士生和经验丰富的资深员工组成。我们所有人都齐心协力，全力以赴，绝不将任何问题归咎于他人。
整个 Meta AI 社区都为此共同努力。非常感谢整个领导层始终如一的支持。
三阶段训练流程，与数据集构建
CWM 分三阶段进行训练——
第一阶段，预训练阶段（Pretrain）。
在这个阶段，CWM 使用了 8T tokens 的数据进行通用语言与代码建模训练。
其中代码占比约 30%，上下文长度为 8k token。
第二阶段，中期训练阶段（Mid-train），这也是 CWM 最具特色的一步。
在这个阶段，模型引入了 5T tokens 的世界建模数据，用于训练模型识别"代码运行过程中，程序状态如何变化"。
这部分核心数据类型包括：
Python 执行轨迹数据
来自数千万函数调用与代码提交，记录每一行代码执行时变量的值如何变化；
ForagerAgent 数据
模型驱动的智能体在真实 Docker 环境中运行代码，修复 Bug，执行任务，生成真实交互轨迹（共 300 万条）；
自然语言描述版本
将执行过程转化为自然语言，便于泛化迁移。
也是在这一阶段，CWM 的上下文能力扩展到了 131k token，支撑对大型项目和代码流程的完整建模。
第三阶段，后训练阶段（SFT+ 多任务 RL）。
最后，CWM 进行了 100B tokens 的监督微调训练（SFT）和 172B tokens 的多任务强化学习（RL）训练。
训练任务覆盖了真实软件工程任务（如 SWE-bench）、编程竞赛问题（CodeContests 等）、数学推理题目（如 AIME 模拟题、MathQA）。
在这一阶段，FAIR 团队使用异步 RL 机制、分布式环境以及自举方法，提升了模型在多环境、多任务间的泛化能力。
基础设施方面，CWM 训练使用了 FlashAttention-3、FSDP+TP 并行策略，并采用 fp8 低精度加速。
Meta FAIR 强调其训练过程遵循了 Frontier AI Framework 中的前沿 AI 安全框架。
结果表明，CWM 不会对网络安全、化学、生物等高敏感领域构成滥用风险。
此外需要注意的一点是，当前 CWM 的世界建模数据仅支持 Python 语言，尚未覆盖 C++、Java 等主流语言或符号执行任务。
不过，研究团队表示未来将探索多语言扩展，有望形成自动化编程助手的通用框架。
Two More Things
BTW，如果你想使用使用 CWM，有两点需要特别注意：
第一点，CWM 主要面向代码理解与复杂推理研究，没有做 RLHF。
因此，它并不适合对话任务或作为 Chatbot 使用。
第二点，CWM 明确定位是"研究用"，即仅供非商业研究使用。
Anyway，总之，CWM 团队选择了模型开源、数据透明、训练复现全开放。借此也向研究社区抛出一个重要问题：
如果大模型能理解世界，它能成为更好的程序员吗？
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 量子位智库 AI100 季度榜单征集中！征集截至 10 月 10 日。欢迎提名 2025 年 Q3「AI 100」双榜单产品～
一键关注 � � 点亮星标
科技前沿进展每日见
我要配资提示：文章来自网络，不代表本站观点。
