世界模型

Goal Agnostic Planning using Maximum Likelihood Paths in Hypergraph World Models

Christopher Robinson

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Comments 58 pages, 27 figures, comments

Journal ref Advances in Artificial Intelligence and Machine Learning, 2023, Research 3 (1) 778-815

From Optimal Actions to World Models: Identifiability of Transition Kernels in Discounted MDPs

从最优动作到世界模型：折扣马尔可夫决策过程中转移核的可识别性

Neal Batra

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 该研究探讨折扣马尔可夫决策过程中仅从最优动作可恢复的转移概率信息，明确了不同形式奖励对转移核可识别性的影响，证明了转移核的可识别条件及相关维度特性。

Comments 15 pages, 1 figure

Quo Vadis, World Modeling?

世界建模，何去何从？

Yu Yang, Xuemeng Yang, Licheng Wen, Lingdong Kong, Xiaobin Hu, Dongyue Lu, Wei Chow, Xiyan Huang, Yuxiang Feng, Yue Liao, Jianbiao Mei, Daocheng Fu, Rong Wu, Pinlong Cai, Ran Yi, Ying Tai, Jiangning Zhang, Botian Shi, Yong Liu, Shuicheng Yan

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 本研究提出以智能体为中心的交互式世界代理，将世界建模范式从物理状态转换转向智能体可用信息转换，划分六种代理类型与三个赋能层面，为构建赋能智能体的世界代理建立路线图。

Comments Technical Blog at https://worldbench.github.io/awesome-agentic-world-model GitHub Repo at https://github.com/worldbench/awesome-agentic-world-model

FeelWorld: Visuo-Tactile World Model for Hierarchical Contact Prediction and Planning

FeelWorld：用于分层接触预测和规划的视觉触觉世界模型

Wenxuan Ma, Chaofan Zhang, Chao Xue, Yinghao Cai, Guocai Yao, Shaowei Cui, Shuo Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Imprintx Robotics（印记机器人公司） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 研究针对现有视觉世界模型忽视触觉状态问题，提出分层视觉触觉世界模型FeelWorld，通过联合预测视觉和触觉状态、引入注意力机制及训练方法，实现接触预测与规划，实验表明其能降低预测误差并提高规划成功率。

Comments 9 pages, 7 figures

Belief Propagation in LLM World Models: Measuring Strategic Information Bias with Prediction Markets

大语言模型世界模型中的信念传播：用预测市场测量战略信息偏差

Mykola Khandoga, Yevhen Kostiuk, Anton Polishko, Yurii Filipchuk, Kostiantyn Kozlov, Dmytro Zamriy, Artur Kiulian

机构 * Future Principle（未来原理） ； Aarhus University（奥胡斯大学） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 研究大语言模型结合预测市场测量信息偏差，通过消融特定文本偏差贡献，应用于乌克兰相关预测市场发现英语新闻背景致偏差，主要源于文本，补充乌军事分析源可减偏差，此偏差在多架构中会持续并影响下游决策。

Comments Accepted at UNLP 2026. 12 pages, 8 figures, 11 tables. Dataset available at https://huggingface.co/datasets/OpenBabylon/unlp-ukraine-forecasting

Slots, Transitions, Loops: Learning Composable World Models for ARC

槽、转换、循环：学习可组合的ARC世界模型

Gege Gao, Bernhard Schölkopf, Andreas Geiger

机构 * University of Tübingen（图宾根大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 提出Loop-OWM架构，通过颜色原型槽、演示条件任务摘要和循环转换模型，学习ARC任务中的视觉符号规则，在ARC-1和ARC-2上超越基线。

ECHO: Terminal Agents Learn World Models for Free

ECHO: 终端代理免费学习世界模型

Vaishnavi Shrivastava, Piero Kauffmann, Ahmed Awadallah, Dimitris Papailiopoulos

机构 * Microsoft Research（微软研究院） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 提出ECHO混合目标，通过预测环境观测令牌将终端反馈转化为密集监督信号，显著提升CLI代理在TerminalBench-2.0上的性能。

AffectVerse: Emotional World Models for Multimodal Affective Computing

AffectVerse: 多模态情感计算中的情感世界模型

Bo Zhao, Fanghua Ye, Yixin Ji, Sicheng Zhao, Xiaojiang Peng, Zitong YU

机构 * Great Bay University（大湾大学） ； Tencent（腾讯） ； Tsinghua University（清华大学） ； Shenzhen Technology University（深圳技术大学） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 本研究提出AffectVerse，一种基于Qwen2.5-Omni的多模态情感计算模型，通过引入情感世界模块实现短期潜在情感预测，利用未来预测作为自监督信号，提高了情感计算的准确性。

Learning Abstract World Models with a Group-Structured Latent Space

通过组结构潜在空间学习抽象世界模型

Thomas Delliaux, Nguyen-Khanh Vu, Vincent François-Lavet, Elise van der Pol, Emmanuel Rachelson

机构 * ISAE-SUPAERO ； ETH Zürich（瑞士联邦理工学院） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； Microsoft Research AI for Science（微软研究院人工智能科学部） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 该研究通过在低维表示流形上引入几何先验，改进了马尔可夫决策过程的抽象模型学习，从而提升有限数据下的泛化能力，并在具有旋转和翻译特征的环境中实现了更有效的强化学习任务学习。

Comments 20 pages, 18 figures

Active World-Model with 4D-informed Retrieval for Exploration and Awareness

具有4D信息检索的主动世界模型用于探索与意识

Elaheh Vaezpour, Amirhosein Javadi, Tara Javidi

机构 * KavAI ； UCSD（加州大学圣迭戈分校） 纠错

专题命中 通用世界模型 ：world-model(title,abstract)；world-model(title,abstract)；world model(abstract,comments)；world model(abstract,comments)

AI总结 本文提出AW4RE模型，通过结合4D信息检索、几何支持与时间一致性，提升在动态环境中感知决策的准确性与一致性。

Comments 11 pages, 4 figures, submitted to ICLR 2026 2nd Workshop on World Models

The Double Life of Code World Models: Provably Unmasking Malicious Behavior Through Execution Traces

代码世界模型的双重生命：通过执行轨迹证明性地揭示恶意行为

Subramanyam Sahoo

机构 * Berkeley AI Safety Initiative (BASIS) UC Berkeley（伯克利人工智能安全倡议（BASIS）加州大学伯克利分校） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 通过语义轨道分析，CTVP验证代码生成模型的恶意行为，引入ARQ量化验证成本，理论证明对抗鲁棒性非游戏化。

Comments 13 Pages, A Preprint

General Agents Contain World Models, even under Partial Observability and Stochasticity

通用智能体包含世界模型，即使在部分可观测性和随机性下

Santiago Cifuentes

机构 * Dovetail Research（Dovetail研究） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 本研究证明了即使在部分可观测性和随机性下，通用智能体仍需学习环境模型。

Comments 19 pages, 4 figures

From Observations to Events: Event-Aware World Model for Reinforcement Learning

从观测到事件：用于强化学习的事件感知世界模型

Zhao-Han Peng, Shaohui Li, Zhi Li, Shulan Ruan, Yu Liu, You He

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 本文提出事件感知世界模型（EAWM），通过学习事件感知的表示来提升强化学习的样本效率，实验表明其在多个基准上均取得显著性能提升。

Comments 43 pages, accepted by ICLR 2026

VJEPA: Variational Joint Embedding Predictive Architectures as Probabilistic World Models

VJEPA：变分联合嵌入预测架构作为概率世界模型

Yongchao Huang

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 VJEPA通过变分目标学习预测分布，统一表征学习与贝叶斯过滤，提供概率世界模型框架，适用于高维噪声环境中的鲁棒规划。

Comments 77 pages

Semantic Belief-State World Model for 3D Human Motion Prediction

语义信念状态世界模型用于3D人体运动预测

Sarim Chaudhry

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 本文提出语义信念状态世界模型，通过将人体视为世界模型状态空间的一部分，实现更稳定的长期运动预测与模拟。

MindDrive: An All-in-One Framework Bridging World Models and Vision-Language Model for End-to-End Autonomous Driving

MindDrive: 一个整合世界模型和视觉-语言模型的全功能框架，用于端到端自动驾驶

Bin Sun, Yaoguang Cao, Yan Wang, Rui Wang, Jiachen Shang, Xiejie Feng, Jiayi Lu, Jia Shi, Shichun Yang, Xiaoyu Yan, Ziying Song

机构 * School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通科学与工程学院） ； State Key Laboratory of Intelligent Transportation System, Beihang University（北京航空航天大学智能交通系统国家重点实验室） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新院） ； Contemporary Amperex Technology Co., Limited (CATL)（当代电动车技术有限公司（CATL）） ； Research Institute of Aero-Engine, Beihang University（北京航空航天大学航空发动机研究院） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； China Automotive Engineering Research Institute Co., Ltd.（中国汽车工程研究院股份有限公司） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

AI总结 MindDrive通过整合世界模型和视觉-语言模型，提出了一种端到端自动驾驶框架，实现高质量轨迹生成与多目标决策推理，提升自动驾驶的安全性和泛化能力。

Generative World Modelling for Humanoids: 1X World Model Challenge Technical Report

Riccardo Mereu, Aidan Scannell, Yuxin Hou, Yi Zhao, Aditya Jitta, Antonio Dominguez, Luigi Acerbi, Amos Storkey, Paul Chang

机构 * Aalto University（阿alto大学） ； University of Edinburgh（爱丁堡大学） ； Deep Render（Deep Render公司） ； DataCrunch（DataCrunch公司） ； University of Helsinki（赫尔辛基大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

Comments 6 pages, 3 figures, 1X world model challenge technical report

World Model for AI Autonomous Navigation in Mechanical Thrombectomy

Harry Robertshaw, Han-Ru Wu, Alejandro Granados, Thomas C Booth

机构 * School of Biomedical Engineering & Imaging Sciences（生物医学工程与成像科学学院） ； Kings College London（伦敦国王学院） ； Nuffield Department of Primary Care Health Sciences（初级卫生保健科学纽菲尔德部门） ； University of Oxford（牛津大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

Comments Published in Medical Image Computing and Computer Assisted Intervention - MICCAI 2025, Lecture Notes in Computer Science, vol 15968

Journal ref MICCAI 2025. Lecture Notes in Computer Science, vol 15968 (2026)

PhysicalAgent: Towards General Cognitive Robotics with Foundation World Models

Artem Lykov, Jeffrin Sam, Hung Khang Nguyen, Vladislav Kozlovskiy, Yara Mahmoud, Valerii Serpiva, Miguel Altamirano Cabrera, Mikhail Konenkov, Dzmitry Tsetserukou

机构 * Intelligent Robotics Laboratory, Skolkovo Institute of Science and Technology (Skoltech)（斯克尔科夫科学与技术研究所智能机器人实验室） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Comments submitted to IEEE conference

AriGraph: Learning Knowledge Graph World Models with Episodic Memory for LLM Agents

Petr Anokhin, Nikita Semenov, Artyom Sorokin, Dmitry Evseev, Andrey Kravchenko, Mikhail Burtsev, Evgeny Burnaev

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Comments Code for this work is avaliable at https://github.com/AIRI-Institute/AriGraph

Overcoming Knowledge Barriers: Online Imitation Learning from Visual Observation with Pretrained World Models

Xingyuan Zhang, Philip Becker-Ehmck, Patrick van der Smagt, Maximilian Karl

机构 * Volkswagen Group（大众集团） ； Technical University of Munich（慕尼黑技术大学） ； Eötvös Loránd University Budapest（布达佩斯欧多立大学） 纠错

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Comments Accepted at TMLR

Reset-free Reinforcement Learning with World Models

Zhao Yang, Thomas M. Moerland, Mike Preuss, Aske Plaat, Edward S. Hu

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Neurosymbolic Graph Enrichment for Grounded World Models

Stefano De Giorgis, Aldo Gangemi, Alessandro Russo

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Automatic Configuration of Multi-Agent Model Predictive Controllers based on Semantic Graph World Models

K. de Vos, E. Torta, H. Bruyninckx, C. A. Lopez Martinez, M. J. G. van de Molengraft

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Deep 3D World Models for Multi-Image Super-Resolution Beyond Optical Flow

Luca Savant Aira, Diego Valsesia, Andrea Bordone Molini, Giulia Fracastoro, Enrico Magli, Andrea Mirabile

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Grounded SAM: Assembling Open-World Models for Diverse Visual Tasks

Tianhe Ren, Shilong Liu, Ailing Zeng, Jing Lin, Kunchang Li, He Cao, Jiayu Chen, Xinyu Huang, Yukang Chen, Feng Yan, Zhaoyang Zeng, Hao Zhang, Feng Li, Jie Yang, Hongyang Li, Qing Jiang, Lei Zhang

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Leveraging Pre-trained Large Language Models to Construct and Utilize World Models for Model-based Task Planning

Lin Guan, Karthik Valmeekam, Sarath Sreedharan, Subbarao Kambhampati

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Comments NeurIPS 2023

POSQA: Probe the World Models of LLMs with Size Comparisons

Chang Shu, Jiuzhou Han, Fangyu Liu, Ehsan Shareghi, Nigel Collier

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Comments Accepted by EMNLP 2023 Findings

Learning Dynamic Attribute-factored World Models for Efficient Multi-object Reinforcement Learning

Fan Feng, Sara Magliacane

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)

Infusing Commonsense World Models with Graph Knowledge

Alexander Gurung, Mojtaba Komeili, Arthur Szlam, Jason Weston, Jack Urbanek

专题命中 通用世界模型 ：world model(title)；world models(title)；world model(title)；world models(title)