研究简报

2026年10月的世界模型:从构建到测量

2026年10月是世界模型研究从构建转向测量的一个月。在筛选语料中,有三项变化尤为突出。第一,世界动作模型(WAM)——即预测视觉未来并据此行动的策略——接受了受控消融实验和延迟预算的检验:一项析因研究表明,将未来预测加入视觉-语言-动作(VLA)策略是否有帮助、毫无作用还是有害,取决于它被接入的位置;而一个免训练调度器将两个已发布的WAM带入20 Hz控制回路之内。第二,交互式视频世界模型将长时程记忆作为接口问题而非容量问题来攻克:一篇论文将过去的观测写入由相机位姿键控的、测试时训练的快速权重中;另一篇则表明,记忆交给生成器的时间戳会无声地决定绘制出哪个世界状态。第三,评估类论文开始追问世界模型究竟编码和模拟了什么,而最初的答案令人警醒:强大的重建能力和成功率一致性,与遗漏已揭示物理性质的潜表示并存,也与落在任务错误阶段的模拟失败并存。

窗口:首次arXiv版本(v1)提交于2026-10-01至2026-10-31的论文,从Parallax库读取。覆盖范围:来自关键词路线和语义路线的724篇候选论文,经AI筛选保留579篇,六篇精选论文经全文核实,另有二十四篇论文在摘要层面予以记录。

mermaid
mindmap root((World models, Oct 2026)) WAMs meet control budgets Where to wire foresight · 1 Real-time scheduling · 2 Also: 3, 4, 5, 6, 7, 22 Memory for interactive worlds TTT fast-weight memory · 8 Valid-time re-dating · 9 Also: 10, 11, 12, 13, 23, 24, 25 What do world models know Latent taste test · 14 Failure-level evaluation · 15 Also: 16, 17, 18, 26, 27

图1. 本期主题与精选论文;数字为参考文献索引。

1 世界动作模型接受消融与控制预算检验

八月刊将WAM描述为以成本和预测未来应由什么构成为中心的工程议程。WAM也是本月的主体——约每六个筛选标题中就有一个(579篇中的94篇)提及世界动作模型——而十月最强的WAM论文在受控条件和真实延迟预算下检验了这些设计选择;两者都发现,预见带来的增益是有条件的。

1.1 视觉-语言-动作模型中的世界建模,什么最重要?

Ma等人认为,已发表的“世界模型增强”VLA并非可比较的证据,因为每篇论文同时改变了预测目标、预测接入策略的方式以及骨干网络。他们固定骨干网络、演示数据、损失函数(将预测的未来特征与冻结编码器在四个未来帧上的特征进行余弦对齐)和调度,然后在LIBERO、LIBERO-Plus、RoboTwin 2.0、DOMINO和一台真实Franka机械臂上扫描六种目标编码器、四种集成范式和两种骨干网络。图2展示了该研究赖以建立的四种范式:预测要么在VLM自身层内对齐(a),要么从新增的查询令牌中解码(b),要么由并行的“未来专家”流产生(c),要么由独立的世界预测器产生、其输出馈入动作专家(d)。

图2. 中比较的四种集成范式,与共享的VLM加动作专家基线对照(的图2,转载自原论文)。

解耦设计(c、d)才是真正见效的。以 Qwen3-VL-2B 为骨干、DINOv3 为目标时,未来专家流在 LIBERO-Plus 分布外成功率上从 71.8% 升至 76.2%;在 RoboTwin 的长时程任务(Clean2Clean)上,各范式的增益达到 +16.5 至 +26.3 个百分点,而短任务上仅为 +5.5 至 +8.6。在预训练基础 VLA(π0.5)上,在骨干内部做对齐反而有害(RoboTwin Clean2Clean 从 69.1% 降至 63.6%,在三个随机种子上复现),而解耦设计则带来 2–3 个百分点的提升。一项对照消融拆解了增益来源:仅输入冻结编码器的当前帧特征,成功率从 71.8% 升至 72.5%;关闭预测损失、只保留额外容量,达到 73.6%;加入未来目标后升至 76.2%——因此解耦优势中约有一半来自真正的预测监督。此处世界模型从未被展开推演,也未用于规划;它仅通过动作成功率来评判。

1.2 RealtimeWAM:我能以多快的速度运行我的世界动作模型?

Liu 等 针对 WAM 成本的另一面:每次请求数百毫秒的延迟,在此期间运动场景已经发生变化。他们的免训练方法(图 3)在单次请求内将观测处理与视频、动作预测重叠执行,仅刷新选定的观测 token,其余位置复用缓存的前馈输出,并根据粗动作估计所预测的运动,在两次与四次完整去噪器评估之间做选择。

图 3. RealtimeWAM 的三种机制:(a) 观测处理与视频、动作预测重叠执行,(b) 选择性 token 刷新并复用缓存输出,(c) 运动门控的细化步数( 的图 4,转载自原论文)。

在单块 48 GiB RTX 4090 上,四个模拟设置下的平均请求延迟从 214 ms 降至 24 ms(FastWAM),从 673 ms 降至 63 ms(OpenWAM),平均成功率分别变化 −0.02 和 −0.53 个百分点。与已经使用编译和 CUDA graphs 的原生基线相比,加速比为 4.1× 和 7.2×,而非标题所称的 8.9× 和 10.7×;累计分解显示,依赖感知的并行执行贡献了最大的单项份额。在真实 Franka 机械臂上,更快的循环将五个任务(包括传送带任务)的平均成功率从 35.6% 提升至 52.8%(FastWAM),从 33.6% 提升至 70.8%(OpenWAM);这是闭环延迟效应,而非更好的预测,因为论文报告称传送带任务的成功率在超过约 90 ms 后急剧下降。

What Matters for World Modeling RealtimeWAM
问题未来预测应进入 VLA 的哪个位置?WAM 能否在实时控制循环内运行?
方法因子扫描:6 种目标 × 4 种范式 × 2 种骨干免训练调度、token 复用、运动门控步数
关键结果LIBERO-Plus OOD 71.8% → 76.2%(未来专家);π0.5 + 骨干内对齐在 RoboTwin 上 −5.5 个百分点214 → 24 ms(FastWAM),673 → 63 ms(OpenWAM),平均成功率变化在 0.53 个百分点以内
真实机器人Franka,4 个任务:45.0% → 73.8%(未来专家)Franka,5 个任务:更低延迟带来 +17.2 / +37.2 个百分点
证据仿真 + 小规模真实研究;主要发现使用 3 个随机种子两种骨干;成功率无随机种子或区间

表 1. 两篇重点 WAM 论文对比(全文核实)。

要点

  • 前瞻是一种设计选择,而不是免费的附加项:将其接入预训练骨干网络可能会抹除先验;将其保留在解耦的流中,则主要在有长时程和动态任务上带来收益 。
  • 对于已部署的 WAM,延迟是结果的一部分: 中真实机器人上的大部分增益来自更快的重新规划,而加速声明应针对经过优化的基线来解读。
  • 本月其余研究也指向同一方向: 发现生成未来几乎不改变平均成功率,但会严重损害精度任务; 测量了在想象未来上进行测试时选择在现实中能带来多少收益; 报告称,预测性监督在两个 WAM 系列中分别将干净、已见任务的成功率提升了 24 和 73 个百分点,但并不能可靠地迁移到未见任务或随机化环境。

2 记忆成为交互式视频世界的接口问题

交互式视频世界模型逐块生成场景,并且当相机或智能体返回时必须再次显示同一地点。十月的专题论文将失败归因于过去如何存储和呈现给生成器,而不是模型规模。

2.1 World-T3:以测试时训练作为实时视频世界模型的持久记忆

Wu 等人 将过去观测存储在专用的快速权重参数中,这些参数通过递归最小二乘规则在线更新,并由相机姿态读出,因此无论 rollout 长度如何,存储和每步成本都保持恒定。图 4 展示了三个部分:带有近期干净块的有界上下文窗口、记忆写入和以姿态为键的检索,以及每个扩散 Transformer 块内部的门控记忆残差。随后,自回归模型被蒸馏为 4 步生成器。

图 4. World-T3 带有测试时训练记忆的自回归模型:(a) 上下文窗口和相机重访,(b) 记忆写入和以姿态为键的读取,(c) 集成到 DiT 块中( 的图 3,转载自原论文,CC BY 4.0)。

在一个 120 个片段的往返基准测试中(160 帧,1280×704,相机在第 80 帧反转,所有重访间隔都长于 21 个潜在帧的上下文),4 步模型将重访 PSNR 从 13.52 dB 提高到 18.31 dB,并将绝对旋转误差从 3.34° 降低到 1.08°,对比对象是 SANA-WM——在两个指标上都是最强基线——同时在单块 B200 GPU 上以 20.6 FPS 运行。随着相机扫视范围增大,重访相似度保持平稳(在扫视三分位区间内分别为 0.958 / 0.964 / 0.960),而两个基线则损失 0.08–0.10。作者指出,以姿态为键的检索会继承用于标注训练视频的现成姿态估计器的误差,并且超出训练时域的纹理退化仍然存在。

2.2 旧的不等于错误的:交互式视频世界模型的有效时间记忆

Wang 等人 研究了一个记忆基准很少单独隔离的情况:智能体改变一个区域,然后又改回来,因此较早的视图才是正确的。在保持帧、权重和噪声固定、仅交换时间戳的情况下,他们表明,冻结的 FAR 生成器会绘制被标记为最新的视图——反转两个时间戳会使当前状态占比从 0.51 变为 0.07——并且这一效应会迁移到 HY-WorldPlay 的旋转位置。他们的修复方案 ReDate(图 5)保留每一帧,并根据智能体动作日志中内容成立的时间(有效时间)而非捕获时间来重新标注检索到的 token。

图5. ReDate 读取动作日志,将区域已被恢复的帧移动到恢复动作之后,并将发生变化区域的 token 移动到最早检索帧之前( 图3,转载自原论文)。

在 AI2-THOR 的 352 个回退步骤上,无需训练,准确率从 0.36 升至 0.62(配对增益 +0.264,95% 区间 [0.199, 0.334]),优于十个重新实现的记忆规则,包括那些丢弃恢复状态唯一视图的基于删除的规则。增益仅限于目标姿态曾见过当前状态的步骤(0.94 对 0.54);当只有其他姿态见过时,所有记忆均保持在 0.10 或以下。除 31 个事件的真实视频探测外,证据仅限仿真,且新状态准确率保持不变。

World-T3 ReDate
记忆形式在线更新的快速权重,由相机姿态读取帧存储;检索到的 token 根据动作日志重新标注时间
训练训练模型,然后进行 4 步蒸馏无(冻结生成器)
基准120 个往返片段,1280×704352 个回退步骤,AI2-THOR(FAR 基准)
关键结果重访 PSNR 13.52 → 18.31 dB,对比 SANA-WM;B200 上 20.6 FPS回退步骤准确率 0.36 → 0.62,对比 FAR
声明的局限姿态估计噪声;超出训练范围的漂移仅限智能体引起的变化;未见过姿态的步骤保持 ≤ 0.10

表2. 交互式视频世界模型的两种记忆设计(全文验证)。

要点

  • 恒定大小的记忆现已与实时速率兼容:World-T3 在相机扫视过程中保持重访保真度平稳,达到 20.6 FPS 。
  • 记忆告诉生成器的内容与它存储的内容同样重要:仅时间戳语义就能翻转渲染状态 。
  • 针对长 rollout 的训练侧修复并行推进——无教师长时程微调 、混合注意力的因果预训练 、潜在 3D 高斯记忆 以及因子化静态/动态记忆 。
  • 第二种答案将状态与像素分离:引擎或 harness 拥有世界状态及其规则,而视频模型仅负责渲染 ,WorldMemBench 为世界记忆提供了独立的 260 案例基准 。

3 评估追问世界模型实际知道什么

八月刊指出该领域已开始自我审计。十月,审计变得更加尖锐:不再询问生成视频看起来是否正确或策略排名是否相关,而是询问潜在表示是否包含物理相关信息,以及模拟失败是否与真实失败匹配。

3.1 Roz:世界模型潜在表示的味觉测试

Ge 等人 定义了世界模型潜在表示应包含什么——价值相关物体的状态,以及仅通过交互才能揭示的属性(如质量或恢复系数)——并将其转化为无标签的“三角测试”:两个具有相同信息但不同历史的片段在潜在空间中应彼此更接近,而不是与有实质性差异的片段更接近。图6展示了它测试的记忆属性:看到架子上的球应改变表示,尽管两种场景最终都以相同的关闭柜子结束。

图6. Roz 对比任务背后的记忆属性( 图1,转载自原论文)。

在 V-JEPA 2、Qwen、Cosmos、FastWAM 和 DreamDojo 中,端点任务均已饱和(路径独立性 0.97–1.00),而遮挡任务除 Qwen 得分为 0.07 外,所有模型均为 0.00,随机水平约为 0.33,且恢复扫描几乎全为零。在九个 DreamDojo 检查点上,重建误差下降了一半以上,但对比得分仍停留在 30/42——与 DreamDojo 自身冻结的视频 VAE(31/42)持平。这些测试探查的是观测片段特征,而非动作条件预测,使用的是单一检查点和每任务少量样本,而“得分随训练变化”的论断依赖于作者未公开的模型。

3.2 WorldFailBench:世界模型能否理解策略失败?

Zhang 等 追问:用于策略评估的世界模型是否再现了策略如何失败,而不仅仅是成功的频率。他们从相同起点将同一策略运行两次——一次在参考模拟器或真实机器人中,一次在世界模型内部——并在小幅场景变化下比较失败类型、失败阶段和成功到失败的边界(图 7),以参考对参考的可重复性基线进行校准。

图 7. WorldFailBench 的配对 rollout 设计及其三个失败层级任务( 图 2,转载自原论文)。

在 RoboTwin 上的七个世界模型中,失败类型频率误差范围为 0.159 至 0.335,而可重复性基线为 0.061。成功率相关性最好的模型(DW05,0.597)其阶段级相关性仅为 0.052,所有模型的阶段相关性均落在 −0.123 至 0.095 之间,而基线为 0.903。在 420 次边界比较中的 400 次(95.2%),模型低估了场景变化时成功率的下降幅度。边界测试仅存在于仿真中,且相关性基于三到五个策略计算,未给出置信区间。

Roz WorldFailBench
测试内容潜变量是否编码历史与已揭示的物理属性模拟 rollout 是否再现失败类型、阶段和边界
方法对编码器潜变量的无标签三角测试,L1 和余弦配对闭环 rollout,参考 vs 世界模型
模型V-JEPA 2、Qwen、Cosmos、FastWAM、DreamDojo7 个世界模型,含 Cosmos-Predict-2.5、DreamDojo、GE-Sim 2.0
关键结果除 Qwen(0.07)外遮挡均为 0.00;DreamDojo 在 MSE 减半时仍持平于 30/42最佳阶段相关性 0.095 vs 基线 0.903;95.2% 的边界被低估
主要局限探查特征而非预测;单一检查点边界仅限仿真;每个相关性仅 3–5 个策略

表 3. 世界模型的两项诊断性评估(全文验证)。

要点

  • 图像级鲁棒性与物理理解是可分离的:在路径独立性上表现优异的模型,在遮挡和恢复系数测试中却失败 。
  • 结果一致并不等于失败一致;一个世界模型可以合理地给策略排序,却将其失败归入错误的阶段 。
  • 10 月的相关研究从其他角度指向同一缺口:针对视频模型的基于测量的物理测试 、关于有偏世界模型何时仍能正确排序策略的理论 ,以及生成世界 3D 一致性的基准 。
  • 另外两篇论文进一步强化了同样的诊断:单帧 JEPA 潜变量完全不携带速度信息 ,这与 中偏弱的速度得分一致;而已发布的机器人世界模型在官方数据上微调后,对 484 个已验证的失败反事实中的 80% 仍预测出类似成功的结果,只有在加入针对性失败数据后才降至 30–43% 。

其他值得关注

世界动作模型

  • Utility-WAM 发现,以生成未来为条件会使平均成功率变化不到一个点,但在一个精度任务上损失 54 个点,并通过一个残差适配器和一个在 75.5% 的 RoboTwin 查询上跳过视频生成的门控来修复 。
  • 一项去噪反事实协议表明,标准的 best-of-N 估计高估了可选上限;一个失败门控选择器将闭环成功率从 76.9% 提升到 81.6% 。
  • WorldBridge 报告称,新任务的无动作视频将分布外 RoboTwin 成功率从 25.07% 提升到 55.90%,每个任务一个带标签示范则提升到 70.70% 。
  • CtrlWAM 在训练中将扰动动作与其模拟的视觉后果配对,以收紧生成视频与动作之间的一致性 。
  • Video Prediction Policy 2 继续在操作录像上预训练视频模型,并报告在零样本 ALOHA 任务上比最强基线高 18.5 个点 。

记忆与长时程生成

  • Fréchet Forcing 在短片段上以分布级目标微调流式世界模型,使 rollout 在无教师的情况下稳定超过 4,000 帧 。
  • Mix Forcing 在 14B 模型的因果预训练中结合教师强制和双向注意力,报告称可进行长达一小时的 rollout 而无质量损失 。
  • L3G-World 将场景记忆存储为潜在 3D 高斯,直接渲染到生成器的潜空间中,达到 9 FPS 。
  • GROME 将静态场景几何与动态实体状态分离,并在不训练的情况下将两者注入冻结的视频世界模型 。

评估与理论

  • World Models' Last Exam in Physics 在 40 个受控任务上测量物理一致性;八个视频模型中最好的得分为 57.76/100 。
  • 一项相对误差分析表明,学习到的世界模型可以很好地给 RL 策略排序(Kendall τ 为 0.96 和 0.80),而真实审计仍然信息量较弱 。
  • Orbia 在 720 个探索-重访实例上评估 27 个交互式世界模型的 3D 一致性 。

语言与智能体世界模型

  • 对GUI动作选择进行的受控干预发现,一旦直接学习评估器,预测的下一屏幕不会增加任何可检测的排序信号;直接动作排序器将AndroidWorld成功率提高5.8–16.4个百分点。
  • LGWM通过预测下一屏幕的表征来验证GUI转换,并在185万次真实转换上训练,因此可以标记出由错误动作到达的合法屏幕。
  • 软件世界模型预测代码更改将破坏哪些下游组件,并从执行候选更改中学习。

潜在规划

  • LaLa-World用自然语言描述动作,以跨领域训练一个JEPA风格的潜在世界模型,在训练成本低6倍的情况下达到视频模型规划器的水平。
  • ID-WM将规划分为高层可达性模型和低层逆动力学世界模型,报告称在长时程任务上比单层MPC提升135%。
  • world2vec在没有奖励的情况下学习机制性潜在动力学,并以比DreamerV3少一个数量级的参数识别出71个基准吸引子。

与上一期相比

2026 年 8 月刊仅涵盖WAM,围绕想象未来的成本、未来的构成、规模与接口以及早期自我审计来组织。本期将范围扩大到一般世界模型,因此其计数不可比较。有三条线索延续。成本线索从模型侧修复(异步前瞻、缓存未来键)转向在真实硬件上测量的部署工程,并转向有证据表明未来分支有时不值得计算。关于未来应由什么构成的问题,现在对一种设定有了受控答案——解耦流中的2D语义目标是稳健选择,而像素、3D和视频目标则取决于范式。审计线索在8月已经是一个完整章节,当时四项审计发现渲染质量和行为保真度只是松散耦合。10月的审计深入一层——从模型是否遵循动作,到其潜在表征是否持有物理相关状态,以及其模拟失败是否与真实失败匹配——并发现了同样的差距。8月的两个开放问题也得到了部分答案:针对优化基线测量延迟,并指出了一个具体的响应性悬崖;通过受控消融测试未来通道是否真正承载增益。

范围与方法

检索与筛选

该语料库由Parallax库中首个arXiv版本日期在2026-10-01至2026-10-31之间的论文组成。研究合并了两条检索路径:一条是基于标题和摘要的关键词路径(“world model”“world models”“world-model”“world action model”“world simulator”“world simulation model”;共545篇论文),另一条是语义路径,其表述为用于仿真、规划、策略学习、机器人、驾驶、游戏或交互视频的学习型环境动态模型的定义(前600篇;相关论文仍出现在第600名附近,因此该路径被截断)。二者合并得到724篇候选论文,由AI依据一条标准进行筛选——一个预测环境或场景如何演化的学习型模型是核心贡献——排除仅顺带提及、没有动作或动态框架的普通视频生成,以及没有学习型预测模型的策略;共保留579篇作为筛选后集合“World models · Oct 2026 · screened”。这些是已核查检索路径中的筛选候选,并不代表该领域的规模。已阅读全部579篇入选论文的标题以选择主题,并将得分最高的20篇被排除论文与其摘要进行了核对:少数可能属于本领域的边界论文被排除(例如与视频渲染器配对的游戏引擎,以及用于世界模型的实时声音),少数关联较松散的论文被保留(例如零售预测);两者均不改变主题。语言智能体世界模型(GUI、Web、软件和代码世界)在该集合中形成一个相当大的聚类,而本期仅在「其他值得关注」下有所涉及。

证据深度与缺口

六篇精选论文已阅读全文:其中五篇通过逐篇核验笔记阅读,这些笔记引用了此处所引每个数字背后的表格或章节;另一篇则直接逐节阅读。每个复现的图表在添加图注前均已查看。「其他值得关注」下的论文以及要点中相关工作行中的论文,均按其作者所述在摘要层面进行描述。主题是根据大多数论文所解决的问题从筛选后集合中选出的;该集合中的医学、调度和时间序列“世界模型”未被选为精选。大多数精选结果基于仿真,并辅以小规模真实机器人研究,且若干结果未报告种子方差——已在上文每个结果旁注明。

参考文献

[1] Qisen Ma, Yixiang Chen, Yuan Xu, et al. What Matters for World Modeling in Vision-Language-Action Models?. 2026. arXiv preprint. arXiv:2610.19825

[2] Huanan Liu, Ye Li, Kangye Ji, et al. RealtimeWAM: How Fast Can I Run My World Action Model?. 2026. arXiv preprint. arXiv:2610.10079

[3] Feihong Zhang, Xi Lin, Yulong Shi, et al. Utility-WAM: Correcting Future-Induced Action Changes. 2026. arXiv preprint. arXiv:2610.39367

[4] Haojia Gao, Yue Cao, Yumin Liu, et al. How Much Can Best-of-N Help a World Action Model? Measuring Selectable Headroom and Realizing It in Closed Loop. 2026. arXiv preprint. arXiv:2610.37196

[5] Jun Cen, Yubo Guo, Hao Li, et al. WorldBridge: Bridging Video and Action for Task Generalization in World Action Models. 2026. arXiv preprint. arXiv:2610.40748

[6] Chensheng Peng, Wenhao Ding, Ran Tian, et al. CtrlWAM: Controllable World Action Models with Aligned Intent and Foresight. 2026. arXiv preprint. arXiv:2610.00859

[7] Yanjiang Guo, Haodong Yan, Zhide Zhong, et al. Video Prediction Policy 2: Predict Better, Act Better. 2026. arXiv preprint. arXiv:2610.10270

[8] Junyi Wu, Zekun Li, Chenhongyi Yang, et al. World-T3: Test-Time Training as Persistent Memory for Real-Time Video World Models. 2026. arXiv preprint. arXiv:2610.17434

[9] Ziming Wang, Chuyue Gong, Hongliang Cao, et al. Old Is Not False: Valid-Time Memory for Interactive Video World Models. 2026. arXiv preprint. arXiv:2611.00758

[10] Yian Zhao, Yu Yan, Hongcan Guo, et al. Frechet Forcing: Training Long-Horizon Streaming World Models from Short Clips. 2026. arXiv preprint. arXiv:2610.25666

[11] Zelin Gao, Hao Ouyang, Jiapeng Zhu, et al. Mix Forcing: Causal Pre-Training via Mixture Attention for Interactive World Models. 2026. arXiv preprint. arXiv:2610.33589

[12] Jinhyeok Choi, JoungBin Lee, Jongmin Lee, et al. L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory. 2026. arXiv preprint. arXiv:2610.40614

[13] Fang Yu, Xiaoxue Wu, Haiyu Zhang, et al. GROME: GROunding Factorized MEmory into Video World Models. 2026. arXiv preprint. arXiv:2610.39812

[14] Kenneth Ge, Dhruv Sheth, Kunvar Thaman. Roz: A Taste Test for World Model Latents. 2026. arXiv preprint. arXiv:2611.00612

[15] Zheng Zhang, Xiaoyang Tang, Shuaiqi Cheng, et al. WorldFailBench: Do World Models Understand Policy Failures?. 2026. arXiv preprint. arXiv:2610.33565

[16] Mingju Gao, Qingle Liu, Yuzhao Peng, et al. World Models' Last Exam in Physics. 2026. arXiv preprint. arXiv:2610.08791

[17] Ahanaf Hasan Ariq, Hasaan Ahmad. World Models Need Not Be Right to Rank Policies Right: Relative Bounds and Audit Limits. 2026. arXiv preprint. arXiv:2611.01139

[18] Dongyue Lu, Guian Fang, Hur Lim, et al. Orbia: Do Generated Videos Form a Consistent 3D World?. 2026. arXiv preprint. arXiv:2610.20693

[19] Junha Song, Geonmo Gu, Jeongeun Park, et al. LaLa-World: Scaling Latent World Models with Natural Language Actions. 2026. arXiv preprint. arXiv:2610.27851

[20] Gaoyue Zhou, Yvonne Wu, Zichen Jeff Cui, et al. Hierarchical World Models with Implicit Dynamics. 2026. arXiv preprint. arXiv:2610.42146

[21] Tobias Schmidt, Rodrigo Gonzalez Laiz, Krisztián Szuppinger, et al. world2vec: Mechanistic world models through latent dynamics learning. 2026. arXiv preprint. arXiv:2610.40637

[22] Hanwen Cui, Yuanyuan Li, Qing Guo, et al. What Does World Modeling Actually Improve in Robot Action Learning?. 2026. arXiv preprint. arXiv:2610.34593

[23] Chan Yan Ki, Yanran Zhang, Wenzhao Zheng, et al. State World Models: Execute the Rules, Generate the Pixels. 2026. arXiv preprint. arXiv:2610.26811

[24] Zike Wu, Ahmed Hatem, Chintan Trivedi, et al. BoxWorld: Let World Engines Control and Video Generators Render. 2026. arXiv preprint. arXiv:2610.36371

[25] Nan Zhou, Jianxiong Gao, Qiuyu Wang, et al. WorldMemBench: A Comprehensive Benchmark for Memory of Video World Models. 2026. arXiv preprint. arXiv:2610.19063

[26] Tinghe Zhang, Chunyu Liu, Yu Leon Liu, et al. Frozen in a Frame: The Velocity Blind Spot in JEPA World Models. 2026. arXiv preprint. arXiv:2610.04585

[27] Jiuyi Xu, Xiao Hu, Meida Chen, et al. World Models Dream of Success: Diagnosing and Repairing Failure Insensitivity in Robot World Models. 2026. arXiv preprint. arXiv:2610.09134

[28] Sizhe Tang, Hanhan Zhou, Jeffrey Svajlenko, et al. Beyond Next-Screen Prediction: The Decision Value of GUI World Models. 2026. arXiv preprint. arXiv:2610.24372

[29] Jiaming Zhang, Xuan Wang, Fuyao Zhang, et al. Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents. 2026. arXiv preprint. arXiv:2610.11942

[30] Tongli Su, Yuntong Hu, Liang Zhao, et al. Software World Models: From Consequence Prediction to Decision Value. 2026. arXiv preprint. arXiv:2610.04940

引用本报告

bibtex
@misc{parallax-2026-world-models-october-2026, title = {{World Models in October 2026: From Building to Measuring}}, author = {{Parallax}}, year = {2026}, month = nov, howpublished = {\url{https://parallax.ink/research/en/world-models-october-2026}}, url = {https://parallax.ink/research/en/world-models-october-2026}, note = {Parallax Research, Digest} }

继续阅读