世界模型应如何评估？一个以决策为中心的立场

arXiv 2026 70.1 survey

TLDR

一篇立场论文，主张用于决策的世界模型应基于反事实推理和策略效用进行评估，而非视觉逼真度。

评分理由

Strengths: Provides a clear L0-L7 evaluation ladder and addresses claim/evidence mismatch in current literature. Weaknesses: As a position paper, it lacks new empirical results or experiments to validate its proposed framework.

Read-first 评分解释

综合优先阅读分 70.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 55。

方法质量 18%

100

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、实验、指标、结果、验证

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

94.8

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.94785012

主题相关性 29%

78.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：工件

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：369。

关键词评分

world model

model-based reinforcement learning world model

interactive world model

world dynamics prediction

world simulator

video world model

generative world model

深度分析

创新点

L0–L7阶梯，用于将世界模型评估从视觉合理性到策略优化效用进行分类。
以决策为中心的评估框架，强调反事实推理、策略评估、规划和策略优化。
基准协议，聚焦于反事实动作保真度、闭环 rollout 有效性、奖励/价值预测、策略排名一致性、优化提升、模型可利用性和不确定性校准。

方法

本文综述了世界模型评估的最新文献，识别了声明/证据不匹配问题，并提出了L0–L7阶梯来组织评估层级。随后，它引入了一个以决策为中心的评估框架和一个用于具身决策世界模型的基准协议，但未进行实证实施或测试。

关键结果

本文未呈现实验结果；它是一篇立场论文，主张评估焦点的转变，并提供了结构化的分类法和提议的评估标准。

局限性

本文是一篇立场论文，未对所提出的框架或基准协议进行实证验证。
L0–L7阶梯和评估标准基于作者的解释，可能未涵盖世界模型评估的所有方面。
提议的基准协议未实施或测试，因此其可行性和有效性尚未得到验证。

资源

论文