世界模型该怎么评估
机器之心 · wechat · 2026-07-12
这篇文章围绕“世界模型应该如何评估”展开，重点面向具身智能、机器人和决策系统。 文章指出，当前“世界模型”概念已经覆盖环境动力学建模、未来视频生成、可交互神经模拟器、隐空间预测等多类对象，因此评估必须先和能力主张对齐：是做未来预测、策略评估、规划优化，还是生成训练数据。单纯看视频逼真度、语义一致性，并不足以证明模型真的能支持决策。 文章进一步介绍了论文提出的 L0-L7 评估阶梯： - L0-L3：视觉合理性、已记录未来预测、语义对齐、物理合理性。 - L4-L7：动作可控性、奖励/成功率保真、策略排序一致性、规划与优化效用。 核心结论是：生成得像，不等于能做决策；真正重要的是模型对动作后果、策略优劣和闭环优化的支持能力。文章还给出评测建议，包括干预式动作测试、闭环 rollout、奖励校准、策略排序和优化增益评估。