人类对物理纪律的明确并非与生俱来 ， ，，， ，， ，，而是通过一连视察、影象与总结 ， ，，， ，， ，，逐步构建对情形的认知 ， ，，， ，， ，，并据此做出展望与决议。 。。。。。。。人工智能若要复现这一历程 ， ，，， ，， ，，要害依赖于“天下模子”。 。。。。。。。现在 ， ，，， ，， ，，天下模子被视为通用人工智能（AGI）与具身智能的基石。 。。。。。。。然而 ， ，，， ，， ，，一个被恒久忽视的问题始终保存：仅靠碎片化数据训练出的静态天下模子 ， ，，， ，， ，，真的足以支持通用智能吗？ ？？？？
目今大大都天下模子看似掌握了物理纪律 ， ，，， ，， ，，实则犹如填鸭式影象——它们能展望出切合知识概率漫衍的效果 ， ，，， ，， ，，却缺乏长时影象、一连修正认知、刷新自身的能力。 。。。。。。。相比之下 ， ，，， ，， ，，人类面临生疏、未知或不切合预期的情境时 ， ，，， ，， ，，会本能地集中注重力 ， ，，， ，， ，，通过视察一直修正认知。 。。。。。。。这种自动学习与影象更新的能力 ， ，，， ，， ，，正是人类智能可塑性的焦点。 。。。。。。。这一能力的缺失 ， ，，， ，， ，，严重限制了目今静态天下模子的现实应用。 。。。。。。。这可以通过两个例子来说明：
- 空间认知的局限：当模子首次“进入”某个房间前 ， ，，， ，， ，，只能给出模糊的“可能结构”展望；；；； ；；；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判。 。。。。。。。相反 ， ，，， ，， ，，缺乏影象机制的智能体 ， ，，， ，， ，，无法像人类那样使用上下文履历实现认知跃迁。 。。。。。。。
- 动态纪律的盲区：物理纪律并非静态公式 ， ，，， ，， ，，如地面与外太空的重力差别、未知质料的特征转变等 ， ，，， ，， ，，都无法用既有模子简朴外推。 。。。。。。。更深条理看 ， ，，， ，， ，，关于宇宙物理纪律的认知 ， ，，， ，， ，，从牛顿定律到相对论 ， ，，， ，， ，，人类的知识也在一直修正。 。。。。。。。人类会先视察推理新情形下的物理纪律 ， ，，， ，， ，，再将其运用于后续盘算 ， ，，， ，， ，，而古板天下模子却容易陷入“用旧地图走新大陆”的逆境。 。。。。。。。
智能的通用性和泛化性 ， ，，， ，， ，，不在于记着几多纪律 ， ，，， ，， ，，而在于像人类一样——永远坚持对未知的好奇 ， ，，， ，， ，，在视察中进化 ， ，，， ，， ，，在影象中生长。 。。。。。。。从上述意义上看 ， ，，， ，， ，，目今绝大部分天下模子无法知足这样的需要 ， ，，， ，， ，，从理论上也不可能仅仅通过数据规模和参数规模解决。 。。。。。。。
优德官网具身智能中心王凡博士等人的最新研究《Context and Diversity Matter: The Emergence of In-Context Learning in World Models》直指这一“房间里的大象”。 。。。。。。。研究发明 ， ，，， ，， ，，当天下模子在具备足够多样的情形、长序列数据上训练 ， ，，， ，， ，，并具备长上下文建模能力时 ， ，，， ，， ，，就能引发出类似人类的上下文学习（In-Context Learning, ICL）能力 ， ，，， ，， ，，从而挣脱“死记硬背” ， ，，， ，， ，，实现真正的情形顺应。 。。。。。。。
理论剖析：天下模子的上下文学习涌现的数据纪律
天下模子的上下文学习需要知足哪些条件？ ？？？？只管上下文学习已在大语言模子领域获得充分研究 ， ，，， ，， ，，但在天下模子领域 ， ，，， ，， ，，相关研究仍不充分。 。。。。。。。优德官网的研究着眼于天下模子训练数据的漫衍 ， ，，， ，， ，，并基于贝叶斯假设 ， ，，， ，， ，，针对马尔科夫决议或隐马尔科夫决议历程的天下模子 ， ，，， ，， ，，提出至少保存两类上下文学习模式：
- 情形辨识（ER, 参数影象 + 上下文区分）：在预训练历程中 ， ，，， ，， ，，模子参数保存了所有训练情形相关的影象和知识。 。。。。。。。上下文信息主要起区分作用。 。。。。。。。
- 情形学习 (EL ， ，，， ，， ，，真正上下文学习）：在预训练历程中 ， ，，， ，， ，，模子参数只管少保存先验假设 ， ，，， ，， ，，完全依赖上下文举行推理。 。。。。。。。
该研究从理论层面剖析了这两种模式的误差上界 ， ，，， ，， ，，并发明了以下有趣的特征：
- 两类学习模式的误差上界都与上下文长度T的平方根成反比 ， ，，， ，， ，，即包括T^{-1/2}项。 。。。。。。。这意味着 ， ，，， ，， ，，长上下文是天下模子具备学习能力、降低误差的先决条件。 。。。。。。。
- ER模式的误差上界受预训练情形和推理情形之间的最小误差（BME）影响 ， ，，， ，， ，，而EL模式则不受影响。 。。。。。。。这批注 ， ，，， ，， ，，为了降低预训练数据漫衍引入的内在偏倚 ， ，，， ，， ，，必需尽可能引发EL模式。 。。。。。。。
- EL模式在情形荟萃多样性强、情形数目多、序列长 ， ，，， ，， ，，且单个情形自身重漂后较低的条件下 ， ，，， ，， ，，更容易被引发。 。。。。。。。
基于上述特征 ， ，，， ，， ，，可以进一步推断：越是重大的情形 ， ，，， ，， ，，为了有用引发上下文学习能力 ， ，，， ，， ，，越需要更多样化、规模更大的情形荟萃。 。。。。。。。 这也展现了当宿天下模子面临的重大数据逆境。 。。。。。。。
实验验证
基于上述理论 ， ，，， ，， ，，短序列天下模子保存先天局限 ， ，，， ，， ，，且无法验证该理论自己。 。。。。。。。为此 ， ，，， ，， ，，团队设计了一种轻量级线性注重力架构L2World（Linear-attention Long-context World Model） ， ，，， ，， ，，其具备无限外推能力 ， ，，， ，， ，，能在推理历程中通过更新隐状态影象来一连提升自身能力。 。。。。。。。
本文选取了两个具有代表性的决议控制问题举行实验：
- 异构倒立摆：模子需要顺应差别的物理参数 ， ，，， ，， ，，例如重力和质量。 。。。。。。。
- 异构房间导航：模子需要在具有多样化结构的迷宫或房间中一连探索、影象并优化行进路径。 。。。。。。。
L2World在两类问题和差别数据漫衍下举行了训练 ， ，，， ，， ，，使用了凌驾 3 亿帧的图片数据。 。。。。。。。研究比照了相同数据量下 ， ，，， ，， ，，差别情形数目和多样性（漫衍规模）的影响 ， ，，， ，， ，，并验证了相关理论的有用性。 。。。。。。。
例如 ， ，，， ，， ，，在130个差别倒立摆情形下的测试批注 ， ，，， ，， ，，当上下文长度足够时 ， ，，， ，， ，，天下模子展望误差的上界与BME重合。 。。。。。。。随着情形多样性增添 ， ，，， ，， ，，误差上界逐渐下降并偏离BME ， ，，， ，， ，，证实晰EL和ER两种模式的保存。 。。。。。。。
别的 ， ，，， ，， ，，随着上下文增添 ， ，，， ，， ，，L2World的展望误差一连下降 ， ，，， ，， ，，恒久影象的优势逐渐展现 ， ，，， ，， ，，最终逾越了以单帧清晰度为优势的扩散模子（如NWM）。 。。。。。。。实验还证实了数据漫衍对情形学习的要害作用：纵然使用相同的数据量 ， ，，， ，， ，，由于数据漫衍的差别 ， ，，， ，， ，，天下模子的上下文学习能力也爆发了显著差别。 。。。。。。。相比于基于扩散模子的NWM等模子 ， ，，， ，， ，，L2World在单帧展望清晰度上保存较大差别 ， ，，， ，， ，，但随着上下文增添 ， ，，， ，， ，，其长时影象能力逐渐施展优势 ， ，，， ，， ，，使L2World具备更优异的展望性能。 。。。。。。。
最后 ， ，，， ，， ，，论文还剖析发明EL/ER模式与人类"展望编码"能力具有配合特征 ， ，，， ，， ，，并发明模子的影象空间在推理历程中自然构建出差别迷宫的结构。 。。。。。。。这种认知在网络的较高层级才逐渐形成 ， ，，， ，， ，，证实晰天下模子的上下文学习可能完全替换SLAM等人工建模要领。 。。。。。。。
结论与意义
这项事情首次系统论证了“长上下文 + 多样性”对天下模子一连学习能力的决议性作用 ， ，，， ，， ，，为破解静态模子自主进化和一连学习的逆境提供了可行路径。 。。。。。。。它不但让天下模子从“知识库”迈向“智能体” ， ，，， ，， ，，更为具身智能涤讪真正的认知基石：能影象、能学习、能进化。 。。。。。。。
论文链接：https://arxiv.org/abs/2509.22353
相关代码：https://github.com/airs-cuhk/airsoul/tree/main/projects/MazeWorld
