我們女強(qiáng)男弱的情侶關(guān)系，是怎么維持下去的？
你認(rèn)為有哪些是城市「美」的細(xì)節(jié)？
如何評(píng)價(jià)《脫口秀和 Ta 的朋友們 2》第七期？
內(nèi)蒙牧民都能用 GPS 放牧了，拼多多西部包郵以后還有哪些稀罕事？
機(jī)器之心報(bào)道
現(xiàn)在的世界模型，值得批判。
我們知道，大語(yǔ)言模型（LLM）是通過(guò)預(yù)測(cè)對(duì)話的下一個(gè)單詞的形式產(chǎn)生輸出的。由此產(chǎn)生的對(duì)話、推理甚至創(chuàng)作能力已經(jīng)接近人類(lèi)智力水平。
但目前看起來(lái)，ChatGPT等大模型與真正的AGI還有肉眼可見(jiàn)的差距。如果我們能夠完美地模擬環(huán)境中每一個(gè)可能的未來(lái)，是否就可以創(chuàng)造出強(qiáng)大的AI了？回想一下人類(lèi)：與ChatGPT不同，人類(lèi)的能力組成有具體技能、深度復(fù)雜能力的區(qū)分。
模擬推理的案例：一個(gè)人（可能是自私的）通過(guò)心理模擬多個(gè)可能結(jié)果來(lái)幫助一個(gè)哭泣的人。
人類(lèi)可以執(zhí)行廣泛的復(fù)雜任務(wù)，所有這些任務(wù)都基于相同的人類(lèi)大腦認(rèn)知架構(gòu)。是否存在一個(gè)人工智能系統(tǒng)也能完成所有這些任務(wù)呢？
近日，來(lái)自卡耐基梅隆大學(xué)（CMU）、沙特穆罕默德?本?扎耶德人工智能大學(xué)（MBZUAI）、加州大學(xué)圣迭戈分校（UCSD）的研究者們探討了當(dāng)前AI領(lǐng)域最前沿方向——世界模型（WorldModels）的局限性。
論文：CritiquesofWorldModels
論文鏈接：https://arxiv.org/abs/2507.05169
研究人員指出了構(gòu)建、訓(xùn)練世界模型的五個(gè)重點(diǎn)方面：1）識(shí)別并準(zhǔn)備包含目標(biāo)世界信息的訓(xùn)練數(shù)據(jù)；2）采用一種通用表征空間來(lái)表示潛在世界狀態(tài)，其含義可能比直接觀察到的數(shù)據(jù)更為豐富；3）設(shè)計(jì)能夠有效對(duì)表征進(jìn)行推理的架構(gòu)；4）選擇能正確指導(dǎo)模型訓(xùn)練的目標(biāo)函數(shù)；5）確定如何在決策系統(tǒng)中運(yùn)用世界模型。
基于此，作者提出了一種全新的世界模型架構(gòu)PAN（Physical,Agentic,andNestedAGISystem），基于分層、多級(jí)和混合連續(xù)/離散表示，并采用了生成式和自監(jiān)督學(xué)習(xí)框架。
研究者表示，PAN世界模型的詳細(xì)信息及結(jié)果會(huì)很快在另一篇論文中展示。MBZUAI校長(zhǎng)、CMU教授邢波在論文提交后轉(zhuǎn)推了這篇論文，并表示PAN模型即將發(fā)布27B的第一版，這將是第一個(gè)可運(yùn)行的通用世界模擬器。
對(duì)世界模型的批判
一個(gè)以YannLeCun為代表的學(xué)派在構(gòu)建世界模型的五個(gè)維度——數(shù)據(jù)、表征、架構(gòu)、目標(biāo)和用途。
該學(xué)派還為世界模型提出了如圖4所示的替代框架，其核心思想可以概括為「預(yù)測(cè)下一個(gè)表征」，而非「預(yù)測(cè)下一個(gè)數(shù)據(jù)」：
作者的觀點(diǎn)：
盡管視頻等感官數(shù)據(jù)量大，但其信息冗余度高、語(yǔ)義含量低。相比之下，自然語(yǔ)言是人類(lèi)經(jīng)驗(yàn)的高度壓縮和抽象形式，它不僅能描述物理現(xiàn)實(shí)，還能編碼如「正義」、「動(dòng)機(jī)」等無(wú)法直接觀察的抽象概念，并承載了人類(lèi)的集體知識(shí)。
因此，通往通用人工智能的道路不能偏重于任何單一模態(tài)。視頻、文本、音頻等不同模態(tài)反映了經(jīng)驗(yàn)的不同層面：視頻捕捉物理動(dòng)態(tài)，而文本編碼抽象概念。一個(gè)成功的世界模型必須融合所有這些分層的數(shù)據(jù)，才能全面理解世界并處理多樣化的任務(wù)，忽略任何一個(gè)層面都會(huì)導(dǎo)致關(guān)鍵信息的缺失。
表示：連續(xù)？離散？還是兩者兼有？
待批判的主張：世界狀態(tài)應(yīng)由連續(xù)嵌入來(lái)表征，而非離散的詞元，以便于進(jìn)行基于梯度的優(yōu)化。
作者的觀點(diǎn)：
僅用連續(xù)嵌入來(lái)表示世界狀態(tài)是脆弱的，因?yàn)樗y以應(yīng)對(duì)感官數(shù)據(jù)中固有的噪聲和高變異性。人類(lèi)認(rèn)知通過(guò)將原始感知?dú)w類(lèi)為離散概念來(lái)解決此問(wèn)題，而語(yǔ)言就是這些離散概念的載體，為抽象和推理提供了穩(wěn)定、可組合的基礎(chǔ)。
理論上，離散符號(hào)序列（即「語(yǔ)言」）足以表達(dá)連續(xù)數(shù)據(jù)中任意精度的信息，并且如圖5所示，通過(guò)增加序列長(zhǎng)度來(lái)擴(kuò)展其表達(dá)能力，遠(yuǎn)比擴(kuò)大詞匯表更高效。
因此，最佳路徑是采用混合表示。這種方法結(jié)合了離散符號(hào)的穩(wěn)健性、可解釋性和結(jié)構(gòu)化推理能力，同時(shí)利用連續(xù)嵌入來(lái)捕捉細(xì)微的感官細(xì)節(jié)，從而實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。
架構(gòu)：自回歸生成并非敵人
待批判的主張：自回歸生成模型（例如LLM）注定會(huì)失敗，因?yàn)樗鼈冏罱K必然會(huì)犯錯(cuò)，并且無(wú)法對(duì)結(jié)果的不確定性進(jìn)行建模。
作者的觀點(diǎn)：
如論文圖6（左半部分）所示，這種被批判的「編碼器-編碼器架構(gòu)」在潛在空間中進(jìn)行「確定性的下一嵌入預(yù)測(cè)」，但它在功能上仍是自回歸的，需要遞歸地預(yù)測(cè)未來(lái)狀態(tài)，因此并未真正避免其聲稱要解決的誤差累積問(wèn)題。更關(guān)鍵的是，通過(guò)移除解碼器來(lái)避免重構(gòu)觀察數(shù)據(jù)，會(huì)導(dǎo)致模型學(xué)習(xí)到的潛在表示與真實(shí)世界脫節(jié)，難以診斷，甚至可能崩潰到無(wú)意義的解。
更好的方案不是拋棄生成模型，而是采用分層的生成式潛在預(yù)測(cè)（GLP）架構(gòu)，這在圖6（右半部分）中得到了展示。該架構(gòu)包含一個(gè)解碼器用于「生成式重構(gòu)」，其核心是一個(gè)由「增強(qiáng)的LLM+擴(kuò)散模型」構(gòu)成的分層世界模型。這種設(shè)計(jì)既能通過(guò)生成式解碼器確保模型與真實(shí)數(shù)據(jù)掛鉤，又能通過(guò)分層抽象來(lái)隔離底層噪聲，實(shí)現(xiàn)更魯棒、更強(qiáng)大的推理。
目標(biāo)：在數(shù)據(jù)空間還是潛在空間中學(xué)習(xí)？
待批判的主張：概率性的數(shù)據(jù)重構(gòu)目標(biāo)（例如編碼器-解碼器方案）是行不通的，因?yàn)檫@類(lèi)目標(biāo)難以處理，并且會(huì)迫使模型去預(yù)測(cè)不相關(guān)的細(xì)節(jié)。
作者的觀點(diǎn)：
如圖7（左半部分）所示，在潛在空間計(jì)算重構(gòu)損失的方法，理論上存在「平凡解崩潰」的風(fēng)險(xiǎn)，即模型可以輕易將所有輸入映射為常數(shù)來(lái)使損失為零，從而什么也學(xué)不到。為了防止崩潰，這類(lèi)模型不得不依賴復(fù)雜且難以調(diào)試的正則化項(xiàng)。
相比之下，基于數(shù)據(jù)空間的生成式重構(gòu)目標(biāo)函數(shù)，如圖7（右半部分）所示，要求模型預(yù)測(cè)并重構(gòu)出真實(shí)的下一刻觀察數(shù)據(jù)，并通過(guò)「生成式損失」進(jìn)行監(jiān)督。這從根本上避免了崩潰問(wèn)題，為模型提供了穩(wěn)定、可靠且有意義的監(jiān)督信號(hào)。
圖8進(jìn)一步從理論上解釋了，潛在空間損失只是生成式損失的一個(gè)寬松的「上界代理」。這意味著，即使一個(gè)模型的潛在損失很低，也不能保證它在真實(shí)世界中的預(yù)測(cè)是準(zhǔn)確的，因?yàn)樗赡苓z漏了對(duì)任務(wù)至關(guān)重要的信息。
用途：模型預(yù)測(cè)控制（MPC）還是強(qiáng)化學(xué)習(xí)（RL）？
待批判的主張：世界模型應(yīng)該用于模型預(yù)測(cè)控制（MPC），而不是強(qiáng)化學(xué)習(xí)（RL）框架，因?yàn)楹笳咝枰^(guò)多的試驗(yàn)次數(shù)。
作者的觀點(diǎn)：
如論文圖9（左半部分）所示，MPC在決策時(shí)需要反復(fù)進(jìn)行「模擬下一個(gè)潛在狀態(tài)」和「基于目標(biāo)優(yōu)化動(dòng)作」的循環(huán)，這導(dǎo)致其計(jì)算開(kāi)銷(xiāo)巨大，難以應(yīng)對(duì)快速變化的環(huán)境，并且通常視野有限，難以進(jìn)行長(zhǎng)時(shí)程戰(zhàn)略規(guī)劃。
強(qiáng)化學(xué)習(xí)（RL）提供了一個(gè)更通用、靈活且可擴(kuò)展的范式，如圖9（右半部分）所示。它將世界模型作為一個(gè)「模擬器」，讓一個(gè)獨(dú)立的智能體模型在其中探索并學(xué)習(xí)。這個(gè)過(guò)程是用于「基于目標(biāo)用RL優(yōu)化智能體模型」，將巨大的計(jì)算成本從「決策時(shí)」轉(zhuǎn)移到了「訓(xùn)練時(shí)」。這使智能體不僅能快速行動(dòng)，還能通過(guò)學(xué)習(xí)積累長(zhǎng)期回報(bào)，進(jìn)行更具戰(zhàn)略性的長(zhǎng)遠(yuǎn)規(guī)劃。
PAN世界模型
基于對(duì)現(xiàn)有世界模型框架的批評(píng)，作者得出了關(guān)于通用世界模型設(shè)計(jì)原則。PAN架構(gòu)基于以下設(shè)計(jì)原則：1）涵蓋所有體驗(yàn)?zāi)Ｊ降臄?shù)據(jù)；2）結(jié)合連續(xù)與離散表示；3）基于增強(qiáng)的大語(yǔ)言模型（LLM）主干的分層生成建模，以及生成式潛在預(yù)測(cè)架構(gòu)；4）以觀察數(shù)據(jù)為基礎(chǔ)的生成損失；5）利用世界模型通過(guò)強(qiáng)化學(xué)習(xí)（RL）來(lái)模擬體驗(yàn)，以訓(xùn)練智能體。
一個(gè)真正多功能且通用的世界模型必須基于能夠反映現(xiàn)實(shí)世界推理需求全部復(fù)雜性的任務(wù)?？傮w而言，PAN通過(guò)其分層、多級(jí)和混合表示架構(gòu)，以及編碼器-解碼器管道，將感知、行動(dòng)、信念、模擬信念和模擬世界等要素串聯(lián)起來(lái)。作為通用生成模型，PAN能夠模擬現(xiàn)實(shí)世界中可操作的可能性，使智能體能夠進(jìn)行有目的的推理。PAN并不回避原始感知輸入的多樣性，而是將其模塊化和組織化，從而實(shí)現(xiàn)對(duì)每一層體驗(yàn)的更豐富內(nèi)部模擬，增強(qiáng)智能體的推理和規(guī)劃能力。
在訓(xùn)練時(shí)，PAN需要首先通過(guò)自我監(jiān)督（例如使用大語(yǔ)言模型處理文本數(shù)據(jù)，使用擴(kuò)散模型處理視頻數(shù)據(jù)）獨(dú)立預(yù)訓(xùn)練每個(gè)模塊。這些特定于模態(tài)和級(jí)別的模塊在后訓(xùn)練階段通過(guò)多模態(tài)數(shù)據(jù)、級(jí)聯(lián)嵌入和梯度傳播進(jìn)行對(duì)齊或整合。
PAN架構(gòu)的一大優(yōu)勢(shì)在于其數(shù)據(jù)處理效率，這得益于其采用的多尺度和分層的世界觀。事實(shí)上，PAN的預(yù)訓(xùn)練-對(duì)齊/集成策略能夠充分利用感覺(jué)信息簡(jiǎn)歷知識(shí)基礎(chǔ)，利用LLM促進(jìn)跨模態(tài)的泛化能力。
作者概述了一種利用世界模型進(jìn)行模擬推理的智能體架構(gòu)。PAN自然地融入這一范式，不僅作為視頻生成器，更作為一個(gè)豐富的內(nèi)部沙盒，用于模擬、實(shí)驗(yàn)和預(yù)見(jiàn)未來(lái)。
最后，作者認(rèn)為，世界模型不是關(guān)于視頻或虛擬現(xiàn)實(shí)的生成，而是關(guān)于模擬現(xiàn)實(shí)世界中所有可能性，因此，目前的范式和努力仍然是原始的。作者希望，通過(guò)批判性、分析性和建設(shè)性的剖析一些關(guān)于如何構(gòu)建世界模型的流行思想，以及PAN架構(gòu)，能夠激發(fā)理論和實(shí)施更強(qiáng)大世界模型的進(jìn)一步發(fā)展。
由PAN世界模型驅(qū)動(dòng)的模擬推理智能體。與依賴反應(yīng)策略的傳統(tǒng)強(qiáng)化學(xué)習(xí)智能體，或在決策時(shí)刻昂貴地模擬未來(lái)的模型預(yù)測(cè)控制（MPC）智能體不同，其利用了PAN生成的預(yù)計(jì)算模擬緩存。在決策過(guò)程中，智能體根據(jù)當(dāng)前的信念和預(yù)期結(jié)果選擇行動(dòng)，從而實(shí)現(xiàn)更高效、靈活和有目的的規(guī)劃方式。這種方式更接近人類(lèi)推理的靈活性。
更詳細(xì)內(nèi)容，請(qǐng)查閱論文原文。
《孫子兵法》原文及譯文
“孫子兵法”精髓提煉為13句金言,句句珍貴,值得全文背誦!
三十六計(jì)全文及解釋
