世界模型：架构、方法、推理范式与应用的全面综述

# 世界模型：架构、方法论、推理范式及应用综述
来源：https://arxiv.org/abs/2606.00133
作者：Arif Hassan Zidan (https://arxiv.org/search/cs?searchtype=author&query=Zidan,+A+H)、Yi Pan (https://arxiv.org/search/cs?searchtype=author&query=Pan,+Y)、Hanqi Jiang (https://arxiv.org/search/cs?searchtype=author&query=Jiang,+H)、Ruiyu Yan (https://arxiv.org/search/cs?searchtype=author&query=Yan,+R)、Wei Ruan (https://arxiv.org/search/cs?searchtype=author&query=Ruan,+W)、Zihao Wu (https://arxiv.org/search/cs?searchtype=author&query=Wu,+Z)、Lifeng Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+L)、Weihang You (https://arxiv.org/search/cs?searchtype=author&query=You,+W)、Xinliang Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+X)、Bowen Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+B)、Huawen Hu (https://arxiv.org/search/cs?searchtype=author&query=Hu,+H)、Peilong Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+P)、Sizhuang Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+S)、Jing Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+J)、Siyuan Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+S)、Zhengliang Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+Z)、Yu Bao (https://arxiv.org/search/cs?searchtype=author&query=Bao,+Y)、Lin Zhao (https://arxiv.org/search/cs?searchtype=author&query=Zhao,+L)、Lichao Sun (https://arxiv.org/search/cs?searchtype=author&query=Sun,+L)、Dajiang Zhu (https://arxiv.org/search/cs?searchtype=author&query=Zhu,+D)、Xiang Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+X)、Jinglei Lv (https://arxiv.org/search/cs?searchtype=author&query=Lv,+J)、Quanzheng Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+Q)、Wei Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+W)、Tianming Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+T)、Wei Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+W)

查看PDF (https://arxiv.org/pdf/2606.00133)

> 摘要：世界模型作为学习环境结构与动态的内部模拟器，已成为追求通用人工智能的核心范式，使智能体能够在学习到的表征中进行预测、规划与推理。尽管在强化学习、机器人学、自动驾驶和视频生成领域取得了快速进展，但该领域仍缺乏一个统一框架来整合其多样化的架构选择、训练方法、推理机制和应用场景。本综述通过一个多轴分类体系填补了这一空白，该体系围绕四个维度展开：（i）架构，涵盖表征形式、动态公式化、输入模态、学习范式及下游应用；（ii）方法家族，包括状态空间与循环方法、基于Transformer的模型、基于扩散的生成器、物理信息网络以及语言增强的多模态系统；（iii）推理策略，涵盖基于想象的规划、潜在策略学习、反事实推理以及不确定性下的规划；（iv）应用领域，涵盖机器人学、自动驾驶、视频预测、多模态智能体、强化学习、科学建模、医学影像、教育测量以及商业与金融。通过追溯该领域从早期认知科学基础到PlaNet、Dreamer系列、MuZero、Sora、Cosmos和Genie等里程碑系统的演变，我们考察了这些维度之间的相互作用，并强调了近期思维链推理与世界模型想象的融合趋势。我们回顾了评估协议与基准，指出了持续存在的挑战（如复合预测误差、仿真到现实的迁移以及碎片化评估），并展望了未来方向：迈向统一的多模态世界模型、基础规模的交互式模拟器，以及在安全关键领域的可靠部署。

## 提交历史

来自：Arif Hassan Zidan \[查看邮件 (https://arxiv.org/show-email/987e7090/2606.00133)\] **\[v1\]**2026年5月28日星期四21:23:24 UTC (2,289 KB)