人类对物理法规的理解并非与生俱来，， ，，，而是通过持续观察、影象与总结，， ，，，逐步构建对环境的认知，， ，，，并据此做出预测与决策。 。。 。。人为智能若要复现这一过程，， ，，，关键依赖于“世界模型”。 。。 。。如今，， ，，，世界模型被视为通用人为智能（AGI）与具身智能的基石。 。。 。。然而，， ，，，一个被持久忽视的问题始终存在：仅靠碎片化数据训练出的静态世界模型，， ，，，真的足以支持通用智能吗？ ？？？？？？？
当前大无数世界模型看似把握了物理法规，， ，，，实则如同填鸭式影象——它们能预测出切合学问概率散布的了局，， ，，，却不足长时影象、持续建改认知、改进自身的能力。 。。 。。相比之下，， ，，，人类面对陌生、未知或不切合预期的情境时，， ，，，会本能地集中把稳力，， ，，，通过观察不休建改认知。 。。 。。这种自动进建与影象更新的能力，， ，，，正是人类智能可塑性的主题。 。。 。。这一能力的缺失，， ，，，严沉限度了当前静态世界模型的现实利用。 。。 。。这能够通过两个例子来注明：
- 空间认知的局限：当模型初次“进入”某个房间前，， ，，，只能给出吞吐的“可能布局”预测；；；；；；而人类虽无法像机械般穷举所有可能性，， ，，，却能通过一次真实造访，， ，，，在再次造访时做出精准预庞祝 。。 。。相反，， ，，，不足影象机造的智能体，， ，，，无法像人类那样利用高低文经验实现认知跃迁。 。。 。。
- 动态法规的盲区：物理法规并非静态公式，， ，，，如地面与表太空的沉力差距、未知资料的个性变动等，， ，，，都无法用寂仔模型单一表推。 。。 。。更深档次看，， ，，，对于宇宙物理法规的认知，， ，，，从牛顿定律到相对论，， ，，，人类的知识也在不休建改。 。。 。。人类会先观察推理新环境下的物理法规，， ，，，再将其使用于后续推算，， ，，，而传统世界模型却容易陷入“用旧地图走新大陆”的困境。 。。 。。
智能的通用性和泛化性，， ，，，不在于记住几多法规，， ，，，而在于像人类一样——始终维持对未知的好奇，， ，，，在观察中进化，， ，，，在影象中成长。 。。 。。从上述意思上看，， ，，，当前绝大部门世界模型无法满足这样的必要，， ，，，从理论上也不成能仅仅通过数据规模和参数规模解决。 。。 。。
z6首页具身智能中心王凡博士等人的最新钻延锥Context and Diversity Matter: The Emergence of In-Context Learning in World Models》直指这一“房间里的大象”。 。。 。。钻研发现，， ，，，当世界模型在具备足够多样的环境、长序列数据上训练，， ，，，并具备长高低文建模能力时，， ，，，就能引发出类似人类的高低文进建（In-Context Learning, ICL）能力，， ，，，从而脱节“死记硬背”，， ，，，实现真正的环境适应。 。。 。。
理论分析：世界模型的高低文进建涌现的数据法规
世界模型的高低文进建必要满足哪些前提？ ？？？？？？？只管高低文进建已在大说话模型领域得到充分钻研，， ，，，但在世界模型领域，， ，，，有关钻研仍不充分。 。。 。。z6首页的钻研着眼于世界模型训练数据的散布，， ，，，并基于贝叶斯如果，， ，，，针对马尔科夫决策或隐马尔科夫决策过程的世界模型，， ，，，提出至少存在两类高低文进建模式：
- 环境辨识（ER, 参数影象 + 高低文分辨）：在预训练过程中，， ，，，模型参数保留了所有训练环境有关的影象和知识。 。。 。。高低文信息重要起分辨作用。 。。 。。
- 环境进建 (EL，， ，，，真正高低文进建）：在预训练过程中，， ，，，模型参数尽量少保留先验如果，， ，，，齐全依赖高低文进行推理。 。。 。。
该钻研从理论层面分析了这两种模式的误差上界，， ，，，并发现了以下有趣的个性：
- 两类进建模式的误差上界都与高低文长度T的平方根成反比，， ，，，即蕴含T^{-1/2}项。 。。 。。这意味着，， ，，，长高低文是世界模型具备进建能力、降低误差的先决前提。 。。 。。
- ER模式的误差上界受预训练环境和推理环境之间的最幼误差（BME）影响，， ，，，而EL模式则不受影响。 。。 。。这批注，， ，，，为了降低预训练数据散布引入的内涵偏倚，， ，，，必须尽可能引发EL模式。 。。 。。
- EL模式在环境集中多样性强、环境数量多、序列长，， ，，，且单个环境自身复杂度较低的前提下，， ，，，更容易被引发。 。。 。。
基于上述个性，， ，，，能够进一步揣度：越是复杂的环境，， ，，，为了有效引发高低文进建能力，， ，，，越必要更多样化、规模更大的环境集钟祝 。。 。。 这也揭示了当前世界模型面对的巨大数据困境。 。。 。。
尝试验证
基于上述理论，， ，，，小引列世界模型存在先天局限，， ，，，且无法验证该理论自身。 。。 。。为此，， ，，，团队设计了一种轻量级线性把稳力架构L2World（Linear-attention Long-context World Model），， ，，，其具备无限表推能力，， ，，，能在推理过程中通过更新隐状态影象来持续提升自身能力。 。。 。。
本文拔取了两个拥有代表性的决策节造问题进行尝试：
- 异构倒立摆：模型必要适应分歧的物理参数，， ，，，例如沉力和质量。 。。 。。
- 异构房间导航：模型必要在拥有多样化布局的迷宫或房间中持续索求、影象并优化前进蹊径。 。。 。。
L2World在两类问题和分歧数据散布下进行了训练，， ，，，使用了超过 3 亿帧的图片数据。 。。 。。钻研对比了一样数据量下，， ，，，分歧环境数量和多样性（散布领域）的影响，， ，，，并验证了有关理论的有效性。 。。 。。
例如，， ，，，在130个分歧倒立摆环境下的测试批注，， ，，，当高低文长度足够时，， ，，，世界模型预测误差的上界与BME沉合。 。。 。。随着环境多样性增长，， ，，，误差上界逐步降落并偏离BME，， ，，，证了然EL和ER两种模式的存在。 。。 。。
此表，， ，，，随着高低文增长，， ，，，L2World的预测误差持续降落，， ，，，持久影象的优势逐步显露，， ，，，最终超过了以单帧清澈度为优势的扩散模型（如NWM）。 。。 。。尝试还证实了数据散布对环境进建的关键作用：即便使用一样的数据量，， ，，，由于数据散布的差距，， ，，，世界模型的高低文进建能力也产生了显著差距。 。。 。。相迸宗基于扩散模型的NWM等模型，， ，，，L2World在单帧预测清澈度上存在较大差距，， ，，，但随着高低文增长，， ，，，其长时影象能力逐步阐扬优势，， ，，，使L2World具备更优异的预测机能。 。。 。。
最后，， ，，，论文还分析发现EL/ER模式与人类"预测编码"能力拥有共同个性，， ，，，并发现模型的影象空间在推理过程中天然构建出分歧迷宫的布局。 。。 。。这种认知在网络的较高层级才逐步形成，， ，，，证了然世界模型的高低文进建可能齐全代替SLAM等人为建模步骤。 。。 。。
结论与意思
这项工作初次系统论证了“长高低文 + 多样性”对世界模型持续进建能力的决定性作用，， ，，，为破解静态模型自主进化和持续进建的困境提供了可行蹊径。 。。 。。它不仅让世界模型从“知识库”迈向“智能体”，， ，，，更为具身智能奠定真正的认知基石：能影象、能进建、能进化。 。。 。。
论文链接：https://arxiv.org/abs/2509.22353
有关代码：https://github.com/airs-cuhk/airsoul/tree/main/projects/MazeWorld
