LoopWM：當世界模型開始“反復想一想”

2026 年 6 月，FaceMind Research Asia 在 arXiv 發布《Looped World Models》（LoopWM）論文，首次將循環（Looped）Transformer 架構系統性引入世界建模領域，打破了傳統世界模型 “長程精度 - 計算成本 - 誤差累積” 的不可能三角，并提出迭代潛深度（Iterative Latent Depth） 作為世界模型獨立于參數規模、數據量的第四縮放軸。這項工作不僅是架構層面的創新，更暗含著對 “AI 如何模擬世界、如何思考世界” 的底層認知重構。

1. 世界模型到底在學什么？

所謂世界模型，并不是簡單地生成下一幀圖像，也不是只回答“接下來會發生什么”。它真正要學習的是：在某個狀態下，如果智能體采取某個動作，世界會如何變化。

換句話說，世界模型試圖在 AI 內部建立一個可推演的“小世界”：

我現在看到什么？我下一步做什么？做完之后，環境會變成什么樣？獎勵、風險、終止條件會如何變化？

這也是為什么世界模型對強化學習、具身智能、自動駕駛、機器人和游戲智能如此重要。論文將世界模型定義為學習環境如何隨動作演化的模型，并把它放在 PlaNet、Dreamer、IRIS、DIAMOND、Genie、Sora 等世界建模脈絡中討論。

2. 傳統世界模型為什么會陷入“不可能三角”？

問題出在長程預測。

如果只預測一步，模型可以靠局部模式完成任務；但如果要連續預測五步、十步、一百步，任何小錯誤都會被后續步驟不斷放大。一次輕微偏差，會變成后續狀態的錯誤輸入；錯誤輸入再生成新的錯誤輸出，于是誤差層層滾動，形成符合誤差。

解決這個問題，直覺上需要更深的計算：模型要多想幾層，才能穩定地推演復雜動力學。但更深的模型意味著更多參數、更高部署成本，也可能在長程 rollouts 中更容易不穩定。論文摘要正是從這個張力出發：忠實的長程模擬需要深計算，但更深模型昂貴且容易誤差累積。

于是三角出現了：

長程精度要高，就需要更多計算。

計算成本要低，就不能無限加深模型。

誤差累積要少，又要求模型在長序列中保持穩定。

LoopWM 的切入點是：不要簡單地把模型做得更大，而是讓同一個模型模塊被反復使用，讓“深度”從參數規模中解耦出來。

3. Looped Transformer 改變了什么？

傳統 Transformer 通常是固定層數：一層、兩層、三十層、八十層。輸入從第一層走到最后一層，計算深度在模型設計時就被寫死了。

Looped Transformer 的想法不同：它讓同一個 Transformer block 被重復調用。不是堆很多不同的層，而是把一個共享參數的模塊循環使用多次。這樣，模型可以擁有更大的“有效計算深度”，卻不必線性增加參數量。

LoopWM 把這個思想引入世界建模：它在 latent state，也就是潛在狀態空間中，對環境狀態進行多輪迭代修正。論文稱其核心是一個 looped dynamics core：它接收前一潛在狀態、當前觀測 embedding 和動作 embedding，通過參數共享的 Transformer block 多次迭代，生成下一潛在狀態。

這就像一個人不是看一眼就下判斷，而是在腦中反復模擬：

“如果我推這個杯子，它會往哪邊倒？”

“桌面摩擦力會不會影響軌跡？”

“它碰到邊緣后會不會翻轉？”

LoopWM 的 loop，不是物理時間上的“下一秒、再下一秒”，而是認知時間上的“再想一遍、再修正一遍”。

4. 為什么這不是簡單的“重復計算”？

關鍵在于：它重復的不是輸出圖像，而是潛在狀態。

傳統世界模型往往每一步都要預測觀測、獎勵、終止狀態等顯式結果。這樣做雖然直觀，但成本高，而且每一步顯式解碼都可能把誤差暴露并固化。

LoopWM 引入 deferred decoding，也就是“延遲解碼”：模型先在 latent space 中連續滾動、推演、修正，最后再進行一次解碼。論文描述，deferred decoding 會替代逐步解碼，在多個 action step 中不調用 decoder，只在終點調用一次 decoder；這樣形成了兩層循環：外層是動作步，內層是潛在狀態迭代修正。

這背后的思想很重要：

世界不是每一刻都必須被渲染成圖像，才能被理解。

智能體可以先在內部抽象空間中推演因果結構，必要時再把結果“落地”為可見的觀測。

這類似人類想象：我們不一定在腦中高清渲染每一幀畫面，而是保留一種結構化的、可操作的內部狀態。

5. 什么是“迭代潛深度”？

傳統 AI scaling 通常圍繞三個軸：

參數規模：模型有多大。

數據規模：訓練看過多少數據。

計算規模：訓練和推理用了多少 FLOPs。

LoopWM 提出的“迭代潛深度”可以理解為第四個軸：在不顯著增加參數的情況下，模型可以在 latent space 中多迭代幾次。

它不是“模型更大”，而是“同一個模型多想幾輪”。

它不是“數據更多”，而是“同一個狀態被反復精煉”。

它不是“層數固定變深”，而是“深度可以按任務難度動態變化”。

論文明確提出，LoopWM 將 iterative latent depth 建立為一種新的世界模擬 scaling axis，并且這個軸與模型大小、數據量相互正交。

這就是它最有啟發性的地方：

智能不一定只來自更大的網絡，也可能來自可復用的思考過程。

6. 自適應計算為什么重要？

真實世界的變化并不均勻。

一顆球在空中勻速飛行，可能很容易預測。

兩個物體碰撞、液體傾倒、機器人抓取失敗，則需要更復雜的推演。

如果所有狀態都用同樣的計算深度，就是把簡單問題算得太貴，把復雜問題算得不夠。

LoopWM 的 adaptive computation 思路是：簡單轉移少循環幾次，復雜轉移多循環幾次。論文舉例說，靜態場景、自由飛行等簡單轉移需要較少處理，而碰撞、接觸動力學等復雜事件需要更深的迭代修正。

這是一種更像“思考”的計算分配：

不是所有事情都值得深思。

但真正困難的地方，必須允許模型停下來多想幾遍。

7. 穩定性問題怎么解決？

循環結構有一個天然風險：

如果每次迭代都放大誤差，那么循環越多，結果越崩。

所以 LoopWM 引入 spectrally-constrained residual dynamics，也就是通過譜約束來穩定潛在狀態更新。論文稱這種約束可以讓 latent transition 在任意 rollout length 下保持有界，并在結論中強調 spectral-norm constraints 為穩定 rollout 提供形式化保證。

直觀地說，LoopWM 不只是讓模型反復想；它還要保證每次反復不是胡思亂想，而是在一個受控的動力系統中逐步修正。

這就是“循環”與“發散”的區別：

沒有約束的循環，可能是幻覺放大器。

有穩定機制的循環，才可能成為推理放大器。

8. 實驗結果說明了什么？

論文在 ScienceWorld 和 AlfWorld 等任務上報告了實驗結果。ScienceWorld 上，LoopWM 約 1B 參數模型的整體結果為 EM 68.4%、Token F1 85.3%、BLEU-4 80.7%、Entity 83.9%，論文將其與 claude-opus-4-6-max 等基線比較，并強調其參數效率。

在 AlfWorld 上，LoopWM 的總體結果為 EM 51.6%、Token F1 80.4%、BLEU-4 71.6%、Entity 81.1%；論文稱其在 BLEU 上領先，在 EM 和 Token F1 上位居第二，同時也指出 entity score 仍有優化空間。

更重要的是，論文強調 deferred decoding 在 rollout 累積時更有用：隨著多步推演增加，延遲解碼的收益更明顯。

不過，這里要保持謹慎：這是一篇 technical report，很多結論仍需要更多獨立復現、消融實驗和社區檢驗。尤其是“100× 參數效率”這類表述，最好理解為論文報告的實驗性主張，而不是已經被廣泛確認的定論。

9. 它真正重構的“世界觀”是什么？

LoopWM 最有意思的地方，不只是架構改進，而是它隱含了一種關于智能的世界觀轉換。

第一，世界不是靜態圖像，而是可迭代的動力系統。

傳統生成模型容易把世界理解為“下一個 token”或“下一幀圖像”。LoopWM 更強調狀態、動作和轉移：世界是由狀態變化構成的，理解世界就是理解變化規則。

第二，思考不是一次前向傳播，而是反復修正。

固定深度模型像“一眼判斷”；LoopWM 更像“內部演算”。這暗示一種認知隱喻：智能不是把輸入映射到輸出，而是在內部空間中構造、檢驗、修正一個世界狀態。

第三，想象不一定需要完全渲染。

Deferred decoding 的哲學意味很強：智能體可以先在抽象潛空間中推演，只在需要時把結果翻譯成可觀察形式。這接近人類的“低分辨率想象”：我們常常知道事情會怎樣發展，卻不需要在腦中生成每一幀高清畫面。

第四，智能的稀缺資源不是參數，而是可分配的思考深度。

過去的 scaling 敘事偏向“更大模型、更多數據”。LoopWM 暗示另一條路：讓模型擁有可調節的內部推演時間。簡單情況快速通過，復雜情況多輪迭代。智能因此不只是容量問題，也是調度問題。

第五，穩定的世界模型必須有邊界。

循環帶來深度，也帶來發散風險。譜約束的隱喻是：想象力必須被動力學約束。沒有約束的想象會漂移成幻覺；有約束的想象才可能成為可用于規劃的模擬。

10. 總結，LoopWM 的核心一句話是什么？

LoopWM 不是簡單地讓世界模型變大，而是讓世界模型學會在潛在空間中反復推演、穩定修正、按需加深，并在必要時才把內部想象解碼為外部觀測。

它把“世界建模”從一次性預測，推向了迭代式模擬；

把“模型深度”從參數堆疊，推向了可復用的潛在計算；

把“AI 看世界”，推向了“AI 在內部反復模擬世界”。

如果說傳統 Transformer 更像一條從輸入到輸出的直線，那么 LoopWM 更像一個閉環：

觀察世界，進入潛空間；

采取動作，更新狀態；

反復修正，保持穩定；

最后解碼，回到世界。

這正是它的世界觀隱喻：

真正的智能，不是更快地給出答案，而是在內部擁有一個可以被反復運行、校正和約束的世界。