凌晨五点，老陈发动出租车，驶上熟悉的高架。他没有看导航，却能在车流中丝滑变道、提前减速、绕过堵点。副驾上的新手问：“师傅，您怎么知道左边那辆车要加塞？”老陈咧嘴一笑：“我脑子里有张会动的城市地图——先看到路况，记下规律，猜出下一秒会发生什么，再动手打方向盘。”这张“会动的城市地图”，就是今天要讲的世界模型（World Model）。 世界模型，是智能体在大脑中对物理世界建立的内部模拟。它由四个环节首尾相连：感知、记忆、预测、行动。感知像眼睛，记忆像久经沉淀的路线经验，预测像对路口红绿灯的预判，行动像脚下的油门和刹车。四者循环滚动，形成一条不断进化的认知闭环。自动驾驶、仓储机器人、游戏NPC，乃至未来的通用人工智能（AGI），底层都藏着这条回路。这篇文章将陪你从老陈的驾驶座出发，把四要素逐一拆开，看清智能体如何在“看—记—猜—动”中理解世界。

岗位关联

理解世界模型四要素，你将真正看懂自动驾驶与具身智能的“大脑”设计思路——这是通往空间智能与 AGI 方向绕不开的第一课。

目录
  1. 可视化演示
  2. 世界模型概述
  3. 感知环节
  4. 记忆机制
  5. 预测机制
  6. 行动决策
  7. 闭环协同
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

动态演示世界模型四要素的核心机制，通过采集/分析/决策/反馈四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

世界模型四要素：世界模型 世界模型的定义与核心思想 感知环节：从原始输入到结构化表 核心机制可视化 世界模型四要素整体架构与关键组件

世界模型概述

老陈的脑子里为什么有张“会动的城市地图”？因为它不是一张静止的照片，而是一个完整的信息加工流水线：眼睛看到、记在脑里、预测变化、手脚执行，四步转个不停。任何智能体——不管是人、自动驾驶汽车还是机器人——只要想在这个世界上灵活生存，都必须拥有这样一套内部模拟系统。这就是世界模型的第一性原理：它不是某个具体算法，而是智能体对世界运行规律的内部表征。

从学术上讲，世界模型可以被形式化为一个闭环的四元组。感知负责把外部高维观测压缩成内部状态；记忆负责保存历史经验并维护状态估计；预测负责在内部模拟未来，回答“如果我这样做，世界会怎样”；行动负责根据预测结果选择并执行动作。四者不是串行的管道，而是一个互相咬合的齿轮组：预测依赖记忆与感知，行动又产生新观测，重新喂给感知。

回到驾驶座：老陈不需要知道“城市地图”里的每一条路名，他只需在关键路口做出正确判断。同理，世界模型的四个模块不必完美复刻现实，只需捕捉与任务最相关的因果结构。四要素的闭环，本质上就是智能体与物理世界之间永不停歇的对话。

W=⟨P,M,F,A⟩\mathcal{W} = \langle \mathcal{P}, \mathcal{M}, \mathcal{F}, \mathcal{A} \rangle
这个公式表示：世界模型 W 由感知 P、记忆 M、预测 F、行动 A 四个模块共同组成，缺一不可。
  1. 感知模块 P负责从外界拿信息，把摄像头画面、雷达点云变成模型能用的内部符号。
    P:ot↦st\mathcal{P}: o_t \mapsto s_t
  2. 记忆模块 M负责存取信息，把当前状态与历史经验整合，更新对世界的信念。
    M:Mt−1,st↦Mt\mathcal{M}: M_{t-1}, s_t \mapsto M_t
  3. 预测模块 F负责推演未来，基于当前信念估计下一步可能发生的状态变化。
    F:st,at,Mt↦s^t+1\mathcal{F}: s_t, a_t, M_t \mapsto \hat{s}_{t+1}
  4. 行动模块 A负责做出决策，把预测结果转化为实际动作并影响环境。
    A:s^t+1,st↦at\mathcal{A}: \hat{s}_{t+1}, s_t \mapsto a_t

感知环节

老陈为什么能提前发现加塞？因为他“看到”的不只是前车的刹车灯，而是整个路况的组合：侧后方来车速度、转向灯闪烁、前车车身姿态倾斜。普通人的眼睛接收光线，老陈的眼睛接收“信号”。在智能体身上，负责把这些原始信号翻译成内部语言的环节，就是感知。

感知是世界模型的入口。真实世界的信息是庞大的多模态洪流：视觉像素、激光雷达距离、麦克风声音、里程计速度，直接使用原始数据既浪费算力又难以推理。感知模块的任务是先把这些高维数据压缩成低维的、任务相关的状态向量。例如自动驾驶中，感知系统将图像分割出车道线、车辆、行人，再把这些对象的属性汇总成一张“场景状态表”。

感知环节的难点在多模态融合与场景理解。视觉说“前方是行人”，雷达说“距离 5 米”，两者必须对齐成同一条时空线索；同时系统还要处理遮挡、光照变化、传感器噪声。老陈开了十年车，眼睛和耳朵已经形成肌肉记忆般的预处理能力；世界模型的感知模块，则通过神经网络从海量数据中同样学会“该看什么、该忽略什么”。感知不是拍照片，而是翻译世界。

st=fθ(ot)s_t = f_{\theta}(o_t)
感知编码器 fθ 把原始观测 ot 压缩为状态 st。θ 是编码器的可学习参数，相当于大脑中“如何看世界”的神经连接。
  1. 原始观测 o_t指某一时刻传感器采集到的全部数据，比如一帧 1920×1080 的图像。
    ot∈RH×W×Co_t \in \mathbb{R}^{H \times W \times C}
  2. 编码函数 f_θ本质是一个深度神经网络（如卷积网络或 Transformer），负责筛选有用信息。
    fθ:O↦Sf_{\theta}: \mathcal{O} \mapsto \mathcal{S}
  3. 压缩后的状态 s_t相当于老陈脑中的“车距+车速+车道”三要素，而不是完整画面。
    st=fθ(ot)s_t = f_{\theta}(o_t)

记忆机制

老陈的“会动地图”是怎么建起来的？靠记。十年前他第一次走这条路，战战兢兢；现在他闭着眼都能报出每个路口的绿灯秒数。这些经验没有堆成一团乱麻，而是形成了层次分明的结构：哪条路高峰必堵、哪个小区门口常蹿出电动车、哪家夜宵摊前深夜还热闹。这就是记忆的力量——把散落的经验编织成可复用的知识。

世界模型中的记忆模块，同样需要处理“记什么”和“怎么记”。工作记忆保存当前任务所需的临时信息，比如“前车刚亮刹车灯，目前距离 15 米”；情景记忆则保留长时程的语义知识，比如“雨天这条路容易打滑”。更关键的是，记忆模块会把感知的碎片拼接成连贯的场景表征，让模型在某个时刻对“世界现在处于什么状态”有全局认知。

记忆模块的深度决定智能体的上限。没有记忆的智能体就像一个失忆司机：每次看到红灯都像第一次，永远学不会刹车时机。而有了先验知识，世界模型可以在信息不完备时主动脑补——比如看到雨天就自动预测路面湿滑——这正是记忆与感知、预测之间的关键纽带。记忆不是U盘，而是会生长的地图。

Mt=gϕ(Mt−1,st)M_t = g_{\phi}(M_{t-1}, s_t)
记忆更新函数 gφ 把旧记忆 Mt-1 和当前状态 st 融合，得到新记忆 Mt。它决定了经验如何沉淀为长期知识。
  1. 旧记忆 M_{t-1}上一时刻掌握的世界知识与状态信念。
    Mt−1:历史的总结M_{t-1}: \text{历史的总结}
  2. 当前状态 s_t感知模块刚翻译出的即时信息。
    st=fθ(ot)s_t = f_{\theta}(o_t)
  3. 记忆更新函数 g_φ决定“旧印象”和“新情报”谁更有话语权，类似老陈根据今天的拥堵状况微调固有路线知识。
    gϕ:(Mt−1,st)↦Mtg_{\phi}: (M_{t-1}, s_t) \mapsto M_t

预测机制

老陈能提前 2 秒预判加塞，靠的不是眼睛，而是脑子里的快进播放器。他见过的加塞场景成百上千，此刻眼前的路况让他自动脑补出接下来的画面：那辆车会再靠近半米，慢慢压过分道线。预测，就是在事件真正发生前，先在脑中把时间轴往前拨几秒看一看。

世界模型的预测环节，本质上是在内部模拟环境的动态演化。它不预测“下一帧像素长什么样”，而是在抽象状态空间中推演未来状态的分布。具体来说，给定当前状态、记忆和候选动作，预测模块生成未来的状态估计 \hat{s}_{t+1}，甚至展开多步，做更长期的想象规划。这就是智能体能“先想后做”的原因：在虚拟世界跑一遍棋局，再在真实世界落子。

预测的难点在于不确定性。道路上有 90% 的概率畅通，10% 的概率突然堵死；老陈不会只赌一种可能，而是两手准备。现代世界模型为此引入不确定性建模，把预测从“给出唯一答案”升级为“给出概率分布”，让智能体在多种未来中保持稳健。预测不是算命，而是给每个可能的世界状态贴上概率标签。

s^t+1=hψ(st,at,Mt)\hat{s}_{t+1} = h_{\psi}(s_t, a_t, M_t)
预测函数 hψ 表示：智能体在记忆 Mt 的帮助下，想象执行动作 a_t 后，世界状态会如何从 s_t 变为 ŝ_{t+1}。
  1. 当前状态 s_t感知得到的此刻局势快照。
    st∈Ss_t \in \mathcal{S}
  2. 候选动作 a_t智能体正在权衡的下一步行动。
    at∈Aa_t \in \mathcal{A}
  3. 预测函数 h_ψ世界模型的核心引擎，相当于老陈脑中的“未来模拟器”。
    hψ:(st,at,Mt)↦s^t+1h_{\psi}: (s_t, a_t, M_t) \mapsto \hat{s}_{t+1}
  4. 预测状态 \hat{s}_{t+1}带帽子的 s 表示估计值，代表“未来可能如此”而非“未来必然如此”。
    s^t+1:预测出的下一时刻状态\hat{s}_{t+1}: \text{预测出的下一时刻状态}

行动决策

老陈打方向盘的瞬间，整套认知闭环走完了最后一步。预测告诉他“那辆车三秒后会挤过来”，于是行动模块立刻给出最优解：轻点刹车、微打方向、留出空间。行动，是把脑内的判断化为现实世界物理动作的那一瞬间。

在世界模型中，行动决策模块通常表现为一个策略函数 π。它接收预测结果、当前感知状态和记忆内容，输出动作概率分布。更高级的决策还会考虑目标的引导：是尽快到达目的地，还是更省油舒适？不同目标导向会改变动作选择。这正是世界模型相比普通强化学习智能体的优势——在真正执行前，它已经用想象把各种动作的结果“彩排”过一遍。

行动并不是闭环的终点。动作发出后，环境会给出新的观测与奖励，感知模块再次启动，新一轮循环开始。这里还藏着一个经典权衡：是利用已经学到的策略确保效益，还是冒险探索未知动作换取长线收益？老司机也不会永远走同一条路，偶尔尝试新路线，正是为了更新自己的世界模型。行动不是终点，而是下一次循环的起点。

at∼πω(st,s^t+1,Mt)a_t \sim \pi_{\omega}(s_t, \hat{s}_{t+1}, M_t)
策略函数 πω 根据“现在在哪、接下来世界可能怎样、以往经验如何”三个信息，采样出实际执行的动作 a_t。
  1. 策略函数 π_ω一个条件概率分布，决定每种状态下各动作被选中的概率。
    πω:(st,s^t+1,Mt)↦Pr⁡(at)\pi_{\omega}: (s_t, \hat{s}_{t+1}, M_t) \mapsto \Pr(a_t)
  2. 动作采样从概率分布中抽取一个具体动作，相当于老陈从“刹车”和“鸣笛”中选了刹车。
    at∼πω(⋅∣st,s^t+1,Mt)a_t \sim \pi_{\omega}(\cdot \mid s_t, \hat{s}_{t+1}, M_t)
  3. 目标导向策略内部嵌套一个价值评估器，引导动作朝长远收益最大的方向走。
    J(π)=E[∑tγtrt]J(\pi) = \mathbb{E}\left[\sum_{t} \gamma^t r_t\right]

闭环协同

老陈的每一趟车程，都是一万次“看—记—猜—动”循环的叠加。单看任何一个环节都不稀奇，真正值钱的是四者协同形成的闭环。在闭环中，感知为预测提供素材，记忆为预测提供经验，预测为行动提供依据，行动又改变感知输入——如此往复，智能体对世界的理解越来越准，行动越来越稳。

世界模型区别于传统强化学习中“环境模型”的关键，也正在于此。环境模型只是对状态转移和奖励的被动描述，回答“事情会怎样发生”；世界模型则是主动的认知结构，额外包含感知抽象、记忆整合与目标导向的行动规划。换个说法：环境模型是一本说明书，而世界模型是一个会思考的驾驶灵魂。正是这个灵魂，让具身智能机器人能够在非结构化环境中灵活操作，也让人相信 AGI 不再只是语言符号的排列组合，而是真正对物理世界有了因果理解。

老陈在自己的“世界模型”里开了二十年车，正是因为闭环在持续滚动，他的地图才会越用越精细。世界模型的训练同样如此：智能体不断感知真实世界的反馈，不断修正记忆与预测，再据此调整行动。闭环协同的本质，是让模型在真实交互中自我进化——这就是通往具身智能和 AGI 的第一节台阶。真正的智能，从来不是一个静态的大脑，而是一条动态滚动的河流。

L=L感知+L预测+L行动L = L_{\text{感知}} + L_{\text{预测}} + L_{\text{行动}}
训练世界模型时，三部分损失一起优化：感知要重建好状态、预测要压低误差、行动要完成任务目标。
  1. 感知损失 L_感知衡量从状态还原观测的信息损耗，确保障编码器没把关键特征弄丢。
    L感知=−log⁡pθ(ot∣st)L_{\text{感知}} = -\log p_{\theta}(o_t \mid s_t)
  2. 预测损失 L_预测衡量预测状态与真实状态的差距，驱动模型不断校准“脑内模拟器”。
    L预测=E[∥s^t+1−st+1∥2]L_{\text{预测}} = \mathbb{E}\left[\| \hat{s}_{t+1} - s_{t+1} \|^2\right]
  3. 行动损失 L_行动衡量动作达成目标的程度，引导策略向着高回报方向进化。
    L行动=−E[log⁡πω(at)]L_{\text{行动}} = -\mathbb{E}\left[\log \pi_{\omega}(a_t)\right]

AI 应用场景

自动驾驶中的行为预测

阶段：预测机制 + 行动决策

解决的问题：传统自动驾驶系统靠规则判断“前车距离太近就刹车”，遇到加塞、鬼探头等长尾场景容易失误。世界模型将感知到的车辆、行人、交通标志整合进动态推演，预测未来 3-5 秒的多车轨迹，并据此规划安全路径，提前规避风险。

具体案例：特斯拉 FSD 与 Waymo 均已引入类世界模型的网络结构。车辆在路口时，模型同时预测左侧来车是否减速、行人是否横穿，并输出多条带概率的行驶走廊，再由规划器选出一条最稳妥的轨迹。

具身机器人的操作学习

阶段：感知环节 + 记忆机制 + 闭环协同

解决的问题：传统机械臂依赖精确的物理建模，遇到物体形状变化或光照差异就抓取失败。世界模型让机器人在脑中预演抓取动作，先用视觉感知估计物体位姿，再在隐空间中模拟“手的移动会带来什么结果”，选中最优操作序列。

具体案例：仓储分拣机器人通过世界模型快速学会抓取随机摆放的包裹。它先观察包裹的点云特征，结合历史抓取经验在脑中推演不同夹取角度，再执行动作；失败案例会自动写回记忆，下一次直接避开同样的错误。

游戏 NPC 的智能决策

阶段：全部四要素

解决的问题：传统游戏 NPC 依赖有限状态机，行为呆板重复。世界模型让 NPC 拥有“记忆地图”和“预判能力”，根据玩家历史行为预测其下一步意图，再制定更拟人的对策，极大提升游戏沉浸感。

具体案例：在开放世界游戏中，NPC 会记住玩家曾经抢劫过的商店，并预测玩家下次可能重返作案地，从而提前布置巡逻路线。玩家感受到的“AI 变聪明了”，本质就是世界模型闭环在起作用。

Python 演示

python120 行
"""极简世界模型演示：一个机器人 Agent 在 5x5 网格中寻找目标，通过 感知->记忆->预测->行动 的闭环逐步学会避障导航。"""import random SIZE = 5GOAL = (SIZE - 1, SIZE - 1)BLOCKS = {(1, 1), (2, 2), (3, 1)}          # 障碍物坐标ACTIONS = [(0, 1), (0, -1), (1, 0), (-1, 0)]  # 上 下 右 左  class Environment:    """真实验环境：负责给智能体反馈观测与奖励"""     def __init__(self):        self.agent = (0, 0)     def reset(self):        self.agent = (0, 0)        return self.agent     def step(self, action):        x, y = self.agent        dx, dy = ACTIONS[action]        nx, ny = x + dx, y + dy        if (0 <= nx < SIZE) and (0 <= ny < SIZE) and (nx, ny) not in BLOCKS:            self.agent = (nx, ny)        done = self.agent == GOAL        reward = 1.0 if done else -0.05        return self.agent, reward, done  class Memory:    """工作记忆 + 长期记忆：记录 (状态,动作) 的转移经验"""     def __init__(self):        self.pairs = {}     # (state, action) -> (next_state, reward)     def remember(self, state, action, nxt, reward):        self.pairs[(state, action)] = (nxt, reward)     def lookup(self, state, action):        return self.pairs.get((state, action), (None, 0.0))  class WorldModel:    """世界模型核心：感知由坐标直接表示，记忆提供预测依据"""     def __init__(self):        self.memory = Memory()     def observe(self, state):        """感知：原始坐标直接作为内部状态（简化版）"""        return state     def predict(self, state, action):        """预测：从记忆检索执行该动作后的结果"""        return self.memory.lookup(state, action)     def learn(self, state, action, nxt, reward):        """记忆更新：写入一条新经验"""        self.memory.remember(state, action, nxt, reward)  class Agent:    """智能体：按 感知->记忆->预测->行动 的闭环与环境交互"""     def __init__(self, env, world, epsilon=0.25):        self.env = env        self.world = world        self.eps = epsilon     def perceive(self, state):        """感知环节：获取内部状态"""        return self.world.observe(state)     def act(self, state):        """行动决策：预测各动作收益，选最优（带探索）"""        best_a, best_v = 0, float("-inf")        for a in range(len(ACTIONS)):            nxt, reward = self.world.predict(state, a)            if nxt is None:                value = 0.2          # 未知转移给予探索激励            else:                dist = abs(nxt[0] - GOAL[0]) + abs(nxt[1] - GOAL[1])                value = reward - dist * 0.15   # 越接近目标价值越高            if value > best_v:                best_v, best_a = value, a        if random.random() < self.eps:            return random.randrange(len(ACTIONS))        return best_a     def run(self, episodes=100, limit=50):        """执行完整闭环：感知->行动->记忆更新，循环直到找到目标"""        total = 0.0        for _ in range(episodes):            state = self.env.reset()            for _ in range(limit):                s = self.perceive(state)                a = self.act(state)                nxt, reward, done = self.env.step(a)                self.world.learn(s, a, nxt, reward)   # 记忆更新                state = nxt                total += reward                if done:                    break        return total / episodes  def main():    env = Environment()    world = WorldModel()    bot = Agent(env, world)    avg = bot.run(episodes=100)    print(f"平均奖励: {avg:.3f} (越接近1.0说明闭环学习越有效)")  if __name__ == "__main__":    main()
目的：用 100 行不到的纯 Python 模拟一个“带世界模型的智能体”——它通过记忆表格不断学习网格环境，最终能高效避开障碍物找到目标。
  1. class Memory:极简记忆模块，用字典存储每次“状态+动作→结果”的经验，对应世界模型中的情景记忆。
  2. def predict(self, state, action):预测环节：不在真实验证，而是从记忆里“回忆”类似场景的结果，模拟脑内推演。
  3. value = 0.2对没见过的新转移给予探索激励，体现“先探索再利用”的策略，防止智能体永远不敢尝试。
  4. dist = abs(nxt[0] - GOAL[0]) + abs(nxt[1] - GOAL[1])用曼哈顿距离衡量离目标远近，让价值函数引导智能体一步步靠近终点。
  5. self.world.learn(s, a, nxt, reward)行动后的闭环关键：真实环境反馈被写回记忆，下一次预测就有更准确的依据。
  6. if done: break找到目标就结束本回合，进入下一个 episode，不断滚动刷新世界模型。

常见误区

误区“只要把互联网上的海量视频和图谱全喂给大模型，它自动就拥有了世界模型。”

正解数据只是记忆环节的原料。真正的世界模型必须在感知、记忆、预测、行动之间建立闭环：能主动感知当前状态，能用记忆预测未来，并能用行动验证预测。哪怕训练数据再全，如果模型只能“背诵”而不会“预演”，它依然没有世界模型。

为何常见：大模型时代“数据越多越聪明”的直觉被过度简化，让人误以为记忆总量等于认知能力。

误区“论文里都有 environment model，那不就等价于世界模型吗？”

正解强化学习的环境模型只描述状态转移概率和奖励函数，是被动的“物理说明书”；世界模型则是主动的认知闭环，额外包含感知抽象、多模态融合、记忆维护和行动规划。打个比方：环境模型是菜单，世界模型是懂得根据食客口味即兴调整的老厨子。

为何常见：许多世界模型论文确实用环境模型作为内部组件，读者容易把“部分”当成“整体”。

误区“世界模型的预测能力，就是把未来画面像视频那样一帧一帧渲染出来。”

正解世界模型的预测是在抽象潜空间中对未来状态与事件分布进行推演，目的是提取任务相关的因果结构，而非还原像素细节。老陈预测加塞时，脑中并不会渲染一段 4K 视频，只需要“那辆车会靠过来”这个关键语义。像素级生成既昂贵又容易忽略真正重要的信息，因此不是主流预测范式。

为何常见：视频生成模型的视觉效果极具冲击力，让人误以为“能生成未来视频”才是预测的终极形态。

误区“摄像头、激光雷达、毫米波雷达全装上，世界模型一定更聪明。”

正解多模态感知的价值不在数量，而在融合质量。海量噪声源若无法对齐与压缩，反而会干扰状态估计，增加预测的不确定性。世界模型的感知环节本质是“信息压缩器”，目标是用最低的维度保留最关键的任务特征，而非无脑堆叠传感器。

为何常见：直觉上“信息越多越好”符合常识，但忽略了感知噪声、计算成本与维度爆炸问题。

误区“把 Transformer 参数堆到万亿级，世界模型就自然出现了。”

正解大参数量提供的是容量，而非结构。世界模型的闭环需要显式设计感知接口、记忆读写、预测目标和行动策略之间的连接。规模可以提升每个环节的能力，却不保证四者会自发串成认知闭环。就像给新手配再大的驾驶座舱，他也不会自动变成老陈。

为何常见：Scaling Law 的叙事过于深入人心，让人误以为“大力出奇迹”可以省略架构设计。

面试题

Q1. 世界模型的认知闭环中，四要素的正确顺序是？

单选题 · easy

  • A.行动→感知→记忆→预测
  • B.感知→记忆→预测→行动← 正确答案
  • C.预测→感知→行动→记忆
  • D.记忆→预测→感知→行动

答案：B。老司机开车先看路况（感知），再对照经验（记忆），猜测下一步变化（预测），最后打方向盘（行动）。闭环顺序一乱，智能体就会像一个不看路的司机，动作必然失控。

Q2. 世界模型与传统强化学习环境模型的本质区别有哪些？

多选题 · mid

  • A.环境模型仅描述状态转移与奖励函数← 正确答案
  • B.世界模型包含记忆维护与多模态感知抽象← 正确答案
  • C.世界模型支持想象规划与反事实推理← 正确答案
  • D.环境模型必须生成像素级视频

答案：ABC。环境模型是“世界如何运转”的被动记录；世界模型在此基础上加入感知压缩、记忆整合和行动决策，形成主动认知闭环。D 中“必须生成像素级视频”是错误的，环境模型通常只需输出转移状态与奖励，不必渲染图像。

Q3. “想象规划”在世界模型中最可能指什么？

单选题 · mid

  • A.在真实环境中随机试探获得经验
  • B.利用世界模型在脑中推演多步行动的未来结果← 正确答案
  • C.把历史数据无限重复回放
  • D.完全放弃感知，只靠随机策略行动

答案：B。想象规划是“先模拟再行动”：智能体把当前状态输入世界模型，在内部展开未来状态的多个分支，如同老陈在脑中预演加塞。它不依赖真实环境试错，因此效率远高于随机探索。A 是真实环境的试错，C 是过拟合数据，D 是随机游走，均不构成“想象”。

Q4. 世界模型的记忆模块承担哪些职责？

多选题 · mid

  • A.提供先验知识，使预测更准确← 正确答案
  • B.替代感知模块，直接接收摄像头数据
  • C.缓存长程情景，支持场景重建← 正确答案
  • D.只保存模型的训练超参数

答案：AC。记忆模块沉淀经验与先验，给预测模块提供上下文；情景记忆保存历史交互，支撑场景重建。B 错在感知和记忆是独立模块，记忆不直接接触原始传感器。D 中训练超参数属于训练配置，不是世界模型的记忆内容。

Q5. 世界模型中不确定性建模的主要价值是什么？

单选题 · hard

  • A.让预测输出单一确定答案，便于决策
  • B.让模型在多可能的未来中保持稳健决策← 正确答案
  • C.彻底消灭预测误差
  • D.加速记忆模块的存储速度

答案：B。真实世界充满概率性，比如行人可能停也可能走。不确定性建模让模型对每种未来估算概率，决策时综合权衡，避免“盲目自信”地锁定一种结果。A 中单一确定性答案恰是不确定性建模要避免的；C 消灭误差不可能；D 与记忆速度无关。

Q6. 感知环节的核心挑战是什么？

单选题 · easy

  • A.将高维多模态观测压缩为任务相关状态← 正确答案
  • B.把每一帧原始图像完整保存在内存
  • C.直接输出最终的奖励信号
  • D.用随机噪声替代真实传感器

答案：A。感知如同老陈的眼睛，要从画面、雷达波等海量数据中筛选“车距、车速、车道”这类关键状态。B 中完整存图像是存储问题而非感知问题；C 中奖励来自环境反馈而不是感知；D 用随机噪声会让世界模型直接失灵。

Q7. 在世界模型的闭环中，“行动”如何反哺整个系统？

单选题 · mid

  • A.行动改变环境，产生新观测，触发新一轮感知← 正确答案
  • B.行动标志着认知流程彻底结束
  • C.行动与感知环节完全无关
  • D.行动只用于打开离线训练数据

答案：A。行动执行后，环境状态改变，摄像头与传感器重新采集数据，感知模块再次启动，闭环因此滚动起来。这种“行动→感知”的循环让智能体不断获得反馈并修正世界模型。B、C、D 都切断了闭环，违背世界模型的基本设计。

Q8. 为什么世界模型被视为通往 AGI 的基础之一？

多选题 · hard

  • A.它能建立对物理世界因果关系的内部理解← 正确答案
  • B.它支持反事实推理与想象规划← 正确答案
  • C.它淘汰了所有监督学习范式
  • D.它让智能体从持续交互经验中自我进化← 正确答案

答案：ABD。AGI 需要像人一样理解世界规律、在脑中预演未来，并不断从真实经验中成长，这正是世界模型的闭环能力。C 错在“淘汰所有监督学习”过于绝对：监督学习仍是训练感知模块的常用手段，世界模型与监督学习不是替代关系。

Q9. 在自动驾驶场景中，世界模型最直接的应用是什么？

单选题 · easy

  • A.预测其他车辆和行人的未来轨迹← 正确答案
  • B.生成车辆的外观涂装设计
  • C.永久保存所有道路的街景照片
  • D.替代激光雷达的硬件发射器

答案：A。世界模型把感知到的周围物体放入动态推演，预测未来几秒的轨迹，从而让车辆提前规避危险。B 是工业设计任务；C 是数据存储任务；D 是传感器硬件层面，均不属于世界模型的应用。

Q10. 关于工作记忆，下列哪个说法正确？

单选题 · mid

  • A.保存当前任务所需的临时信息← 正确答案
  • B.保存有生以来的全部历史视频
  • C.只保存视觉特征、不涉及动作
  • D.一旦写入就永不更新

答案：A。工作记忆像一个临时便签本，记录“前车距我 15 米、绿灯还有 3 秒”这类即时信息，支撑当前决策。B 属于长期存储；C 中工作记忆同样服务行动决策；D 中工作记忆每时每刻都在刷新，否则无法跟踪动态世界。