世界奖励模型 WRM：不预测执行结果，直接判断候选程序优劣

研究者提出 World Reward Models（WRM），不预测程序执行结果，而是直接从真实执行结果中学习挑选更优候选程序。其 ForeCritic 将 9B typed decision model 适配到 5k 执行程序对，在 26 个 ML 任务的 12,438 对留出样本上以 79.4% 的概率选出更优程序，通用 LLM 评委为 53–62%。