World Models（世界模型）¶
定义¶
世界模型是学习物理现实表征的 AI 系统——不预测下一个 token，而是预测给定动作后环境的下一个状态。核心能力：规划（模拟结果后再行动）、物理推理（理解质量、动量、空间关系）、因果理解、持久记忆。
LeCun 的表述："你的心智模型，关于世界如何运转。你可以想象一系列可能采取的行动，世界模型让你预测这些行动对世界的影响。"
LLM 的局限与世界模型的回应¶
World Models Race 2026 综述了核心论点：
| LLM 局限 | 根因 | 世界模型的回应 |
|---|---|---|
| 事实幻觉 | 无验证知识库 | 基于物理一致性的生成 |
| 物理推理失败 | 无具身经验 | 从观察中学习物理规律 |
| 因果混淆 | 模式匹配而非理解 | 动作-结果预测训练 |
关键方法¶
I-JEPA¶
Meta 的 I-JEPA 是世界模型方向的理论基础之一。核心创新：在表征空间（而非像素空间）预测被遮挡的图像区域，构建"原始世界模型"。LeCun 的 AMI Labs 在此基础上扩展。
视频生成即世界模拟¶
视频生成和世界模型的边界模糊：DeepMind 的 Genie 3（24fps 实时 3D 世界生成）、OpenAI 的 Sora 2（物理合规视频）、NVIDIA Cosmos（自动驾驶/机器人合成训练数据）都在将视频生成推向物理模拟。
与 Agent 工程的关系¶
世界模型对 agentic systems 的多模态演进有重要启示：
- 规划增强：世界模型可为 agent 提供"心理预演"能力——在行动前模拟结果
- 具身 agent：机器人和自动驾驶 agent 需要物理理解，LLM 无法直接提供
- 互补而非替代：LLM 处理语言推理和工具使用，世界模型提供物理环境理解
但目前世界模型尚处早期，与文本 agent 工程的交叉有限。
相关概念¶
- Agentic systems — 世界模型可能成为未来 agentic 系统的感知层
References¶
sources/introl-world-models-race-2026.mdsources/meta-i-jepa.md