
世界模型之争:预测对了,就算理解了吗?|对话于开丞
世界模型旨在通过预测物理世界状态来实现对现实的深度理解,是构建物理智能与机器人决策的核心技术路径。不同于大语言模型基于离散语言符号的抽象建模,世界模型专注于对连续物理信号的建模,扩散模型(Diffusion)在其中展现出独特的空间理解优势。于开丞提出的 “概念世界模型” 强调通过对物理概念的拆解与组合,赋予模型举一反三的泛化能力,而非单纯依赖数据记忆。尽管大语言模型在推理与代码生成上表现卓越,但世界模型在处理物理交互与决策任务时具备更高的效率与本质优势。当前该领域正处于规模化预训练的爬坡阶段,预计在未来两到三年内,通过提升智能斜率与泛化性能,将迎来物理智能领域的 “ChatGPT 时刻”。





