TechRxiv综述：AI世界模型研究分为四大范式，长时程一致性与泛化仍是关键挑战

Qi Lyu、Jiahua Dong等作者在TechRxiv发布综述，系统梳理人工智能领域的世界模型研究。据该综述，世界模型通过学习状态与观测的预测性表征，为建模环境随时间演化提供统一路径；大规模生成建模与多模态基础模型的进展扩大了其在交互与多模态领域的适用性，但现有研究在建模范式、应用领域与评测协议上仍较为分散。作者按建模范式将世界模型分为四类并给出形式化数学表述：观测级生成式、潜空间、基于强化学习以及以对象为中心的世界模型。综述还覆盖机器人、自动驾驶、科学发现、游戏仿真、图形界面智能体以及可解释性与可信性等应用，并分析基准、新评测指标、仿真平台与各模型对比结果。作者称，长时程一致性与泛化等仍是关键挑战，并给出未来研究方向；该综述维护一个持续更新的GitHub仓库以追踪进展，旨在为理解、比较与推进世界模型提供统一参考。