世界模型

深度分析

動態可行性門檻驗證：針對機器人世界模型的物理 AI 輸出安全檢測

在物理AI系統中，預測模型常提供下一狀態或動作序列，但其提案未必符合機器的實體限制。研究提出一套實體可行性門檻，透過可達性、動態一致性檢測，能在執行前即剔除不可行的提案，提升效能。實驗在LeRobotPushT資料集上測得AUC高達0.98，證明門檻能有效辨識動態違規。

深度分析

可識別標記對應（ITC）：以最優運輸強化 Transformer 世界模型的時間一致性

視覺世界模型在長期預測時常出現物體重複或消失等時間不一致問題。論文提出可識別標記對應（ITC），以最優運輸將前一幀標記與變壓器候選預測對齊，透過二元化運輸計畫為每個位置決定複用或生成新標記。該方法在Craftax-classic等基準上顯著提升回報與分數。

深度分析

OpenAI訴訟、世界模型與軍用擴增實境：AI治理、專用晶片與供應鏈的交錯影響

美國法院裁定Musk提告逾時，未就OpenAI是否偏離非營利使命作實質裁斷。文章並檢視世界模型、Google在基礎模型與專用晶片的競爭定位，以及Anduril與Meta的軍用智慧眼鏡構想。結論指出法律與技術進展將共同重塑AI商業化、供應鏈與治理框架。

深度分析

以影像為核心的世界模型：Runway 的多模態人工智慧路線與商業化挑戰

在語言模型主導的時代，Runway提出不同路徑：以真實世界影片與觀測資料訓練世界模型，而非僅靠文字。公司從影像生成起家，逐步擴展到能模擬物理行為的多模態系統，目標把影片智慧化為可實驗的數位雙生。若成功，影視、機器人與藥物研發等領域可能被重塑；失敗則面臨資金與巨頭競爭風險。

速報

NOVA：以座標型INR權重重構世界模型，解除解碼器瓶頸

視訊無監督訓練是邁向自主智能的關鍵。NOVA提出以座標型隱式神經表示(INR)把系統狀態表成權重與偏差，並以解析方式渲染，省去重建解碼器瓶頸。該架構可蒸餾為依情境的影片生成器，並能無須對抗或輔助損失就自動分離背景、前景與動態，實現可控預測與超解析，能在單張消費級GPU下以約40M參數運行。

大型語言模型

「宣告式反射執行協定」：分層評估大型語言模型、世界模型與符號反思的效能

本研究針對大型語言模型（LLM）驅動的自我修正代理，提出可檢視的反射執行協定，將代理的能力分解為四個層面：信念追蹤、顯式世界模型規劃、符號式即時反思與稀疏 LLM 修正。實驗以噪聲協作戰艦（Collaborative Battleship）為測試平台，透過 54 場比賽比較四種逐步結構化的代理。

深度分析

針對基礎模型與世界模型：有條件互利與嵌入式治理的共存框架

本文重寫人機關係論述，指出當代人工智慧已經超越單純的服從工具，歷經符號主義、統計學、深度學習到基底模型與世界模型等階段，系統愈來愈具備表示、生成與具身行動能力。

深度分析

WOMBET：結合世界模型與不確定性懲罰的機器人強化學習經驗轉移框架

強化學習在機器人領域因資料取得成本高而受限。WOMBET 透過來源任務的世界模型生成具低認知不確定性的離線軌跡，並在目標任務自適應抽樣混合線上離線資料。實驗證明此框架提升樣本效率，顯著優於現有基線。