世界模型值得研究，因为它们将研究问题从追逐前沿实验室的线索转移到一个更基础的问题上：智能体如何理解、预测并在环境中行动？
LLM 研究的一个实际困境在于，独立工作往往只是在复现 OpenAI、Anthropic 和其他前沿实验室可能在一两年前就已经内部掌握过的步骤的公开版本。你可以通过这种方式做出有用的成果，但这很少让人感觉是发现。它更像是延迟的考古学。
世界模型指向了另一种问题。它们不再问如何从语言模型中再榨出一点基准测试收益，而是问系统对因果、时间、空间、可供性、不确定性和后果了解多少。这些问题对智能体至关重要，因为只会模仿文本的智能体与它理应改变的世界之间联系薄弱。
这个赌注很简单：如果下一代有用的智能体需要规划、记忆、模拟和基于现实的预测，那么世界模型比又一轮表面层次的 LLM 复现更接近那个缺失的层。
相关：World Models