OPINE-World는 픽셀 렌더링 환경에서 상호작용만으로 객체 중심 프로그램형 월드 모델을 온라인 학습하는 LLM 에이전트다. 환경에서 행동하는 에이전트와 코드로 모델을 합성하는 에이전트가 가설-검증 루프로 협력하며, 리플레이 검증과 모델 기반 계획을 결합하고 '온톨로지 오류'라는 베이지안 객체 유형 적합도 지표로 탐색을 유도한다. 객체 어휘·목표·행동 의미가 모두 숨겨진 ARC-AGI-3 벤치마크에서 게임별 학습 없이 25개 중 20개를 풀고 인간 기준 대비 행동 효율 점수 78.4를 기록했다. 데이터 효율적이고 전이 가능한 프로그램 합성 월드 모델이 픽셀 환경으로 확장될 수 있음을 보여, 신속한 기술 습득이 필요한 적응형 에이전트 연구에 의미가 있다.

• •행동 에이전트와 코드 합성 에이전트가 가설-검증 루프로 협력하는 이중 에이전트 구조
• •베이지안 객체 유형 적합도 지표인 '온톨로지 오류'로 탐색 우선순위 결정
• •ARC-AGI-3에서 게임별 학습 없이 25개 중 20개 해결, 인간 대비 행동 효율 점수 78.4
• •딥러닝 월드 모델의 데이터 비효율성과 프로그램 합성 모델의 픽셀 환경 확장성 한계를 동시에 해결
• •객체 어휘를 유연하게 가설화해 구조화된 상태 없는 환경에서도 CEGIS류 접근 적용 가능성 입증