轉自 機器之心

當世界模型越來越大，真正制約它走向「內部模擬器」的，未必是表征能力，而可能是動力學建模。

世界模型（World Models）的目標，是在模型內部構建一個可以進行未來推演的環境。過去幾年，這個方向在狀態表征上進展迅速：更強的編碼器、更好的潛變量表示、更成熟的序列建模方法，不斷提升模型對環境的壓縮和表達能力。

但另一塊同樣關鍵、甚至更決定「世界模型到底能不能真正用起來」的問題，卻長期沒有被同等力度地推進——動力學建模。

原因很簡單。世界模型不只是要「看懂」世界，更要能夠穩定地推演世界。它不僅要把當前觀測壓縮成內部狀態，還要回答一個更難的問題：狀態在動作作用下會如何持續演化。

這正是南京大學LAMDA 強化學習小組博士生林浩鑫連續兩篇 ICLR 工作所聚焦的核心問題。2025 年和 2026 年，他作為第一作者先后發表：

• Any-step Dynamics Model Improves Future Predictions for Online and Offline Reinforcement Learning（ICLR 2025）

• 作者：Haoxin Lin, Yu-Yan Xu, Yihao Sun, Zhilong Zhang, Yi-Chen Li, Chengxing Jia, Junyin Ye, Jiaji Zhang, Yang Yu.

• ADM-v2: Pursuing Full-Horizon Roll-out in Dynamics Models for Offline Policy Learning and Evaluation（ICLR 2026）

• 作者：Haoxin Lin, Siyuan Xiao, Yi-Chen Li, Zhilong Zhang, Yihao Sun, Chengxing Jia, Yang Yu.

兩篇論文沿著同一條主線持續推進：世界模型中的動力學，到底該如何建模，才能穩定支持長時域未來預測。

其中，ADM-v2 的代表性突破在于：在離線強化學習的動力學模型設定下，它首次將完整時域滾動推演（full-horizon roll-out）穩定推進到上千步規模。這意味著，世界模型正從「能做多步預測」進一步邁向「能夠完成近整回合級別全程推演」的內部模擬器。

世界模型不只要「看懂」世界，還要「推演」世界

經典論文《World Models》奠定了這一方向的基本框架。一個完整的世界模型通常包含兩個核心部分，如圖 1：

1. V 模型，即狀態表征：將原始觀測壓縮為緊湊、可計算的內部狀態；

2. M 模型，即動力學建模：在內部狀態空間中預測未來狀態如何隨動作變化。

前者解決「模型看到了什么」，后者解決「模型如何推演未來」。

圖 1：David Ha 與 Jurgen Schmidhuber《World Models》論文中的整體框架圖。

過去幾年，世界模型相關工作的很多進展都集中在狀態表征上。更強的視覺編碼器、更有效的潛變量表示、更長上下文的序列建模，都顯著提升了模型對環境信息的壓縮和表達能力。

相比之下，動力學建模雖然直接決定模型能否穩定推演未來，卻長期沒有得到同等強度的系統推進。

但從系統能力上看，動力學建模恰恰是最關鍵的一環。因為世界模型最核心的價值，不是「把環境壓縮一下」，而是允許智能體先在模型內部滾動推演 (roll-out)，再決定是否與真實環境交互。

這件事直接關系到：模型型強化學習、離線強化學習、策略評估，以及更一般的具身智能規劃與決策。

一旦世界模型只能做短程預測，它更像是一個局部預測器；只有當它能夠穩定支撐長程甚至完整時域推演時，它才真正接近「內部模擬器」。

為什么動力學建模難：問題出在「自舉式預測」

傳統動力學模型大多采用單步預測：輸入當前狀態 和動作 ，預測下一狀態

這種做法在短程預測中很自然，但一旦進入長程推演，就會暴露出明顯局限。原因在于，模型在連續 roll-out 時，需要不斷把自己剛剛預測出的狀態再次作為下一步輸入。這個過程就是典型的自舉式預測(bootstrapping prediction)。

它的核心問題非常突出：

• 只要某一步出現偏差，后續預測就會建立在這個偏差之上；

• 誤差會在滾動推演中持續累積并不斷放大；

• 預測 horizon 越長，軌跡偏移通常越嚴重。

很多世界模型「短程有效、長程失穩」的根源，其實都在這里。也因此，過去不少模型式方法往往會主動限制 rollout 的長度，用更短的 horizon 來控制 model bias。

與之相對的思路，是直接預測(direct prediction)。

所謂直接預測，不是一步一步層層遞推，而是從一個更穩定的起始狀態出發，結合一段動作序列，跨多步直接預測未來狀態。這樣做的核心收益在于：它顯著縮短了誤差傳播鏈條，因此更適合長時域推演。

圍繞動力學建模的改進，最終都會落到幾個最根本的問題上：

• 長程推演時，誤差是否可控；

• 面對未見過的動作序列，模型能否泛化；

• 不確定性估計是否可靠；

• 模型是否真的能支撐完整回合級別的未來推演。

林浩鑫在 ICLR 2025 的論文《Any-step Dynamics Model》中，正面切入了這個問題。

核心想法：未來不一定非要靠「上一步預測結果」來推出來

傳統單步動力學學習的是從到 的映射。

ADM 則提出：未來狀態不一定非要依賴上一步預測結果層層遞推得到，也可以從更早的狀態出發，結合一段動作序列，直接預測若干步后的狀態。

這里最關鍵的操作是回溯 (backtracking)。模型從不同長度的歷史視角出發，對未來狀態進行任意步直接預測，因此被命名為Any-step Dynamics Model。

這背后的變化，看起來只是「預測方式不一樣了」，但本質上是在重寫未來推演的計算路徑：

• 過去是單步自舉、層層遞推；

• 現在是跨時域直接預測、減少誤差鏈條。

誤差不再需要在每一步都傳遞一次，長程 roll-out 的穩定性也就自然提升了。

圖 2：Any-step Dynamics Model 模型結構以及不同回溯長度下的預測機制。

一個模型，也能做出類似集成的不確定性估計

ADM 的另一個亮點，在于它對不確定性估計的處理。

在很多離線強化學習方法中，最常見的辦法之一是模型集成 (ensemble)：訓練多個動力學模型，再用模型之間的預測分歧來估計某個區域是否可靠。

ADM 提出了一種更有結構的思路：同一個模型在不同回溯長度下的預測差異，本身就可以作為不確定性信號。

從直覺上看：

• 如果模型處在訓練數據覆蓋充分的區域，那么不同回溯尺度下的預測應當相對一致；

• 如果模型進入數據稀疏區域或分布外區域，那么不同時間尺度上的預測分歧就會明顯變大。

換句話說，ADM 相當于把「不同時間跨度上的預測視角」組織成了一種更輕量、也更結構化的內部集成方式。

這讓它在不依賴大規模模型集成的情況下，也能獲得有用的不確定性估計。

圖 3：ADM 與模型集成在不確定性估計上的相關性對比。

圖 4：ADM、模型集成和普通 RNN 動力學模型在長程滾動推演誤差增長上的對比。

實驗結果：未來預測改善帶來策略學習提升

基于 ADM，論文進一步構建了：

• ADMPO-ON：面向在線模型型強化學習；

• ADMPO-OFF：面向離線模型型強化學習。

實驗結果表明，ADM 帶來的不是局部性質上的改動，而是對未來預測質量和最終策略性能的同步提升：

• 在在線設置中，ADMPO-ON 具備更高的樣本效率；

• 在離線設置中，ADMPO-OFF 在 D4RL 和 NeoRL 上優于多種強基線。

表 1：D4RL 上與 BC、CQL、MOPO、MOBILE 等方法的對比結果。

表 2：此處插入 ADM 論文 Table 2，展示 NeoRL 上的對比結果。

圖 5：ADM 與自舉式預測、模型集成自舉式預測的誤差累積曲線。

這篇工作系統地證明了，動力學建模不必局限于「單步自舉式預測」這一條路徑。世界模型中的未來預測，可以通過任意步、跨時域的直接預測方式得到重新組織。

ADM-v2：首次把完整時域滾動推演推進到上千步

如果說 ADM 回答的是「未來能不能不靠單步自舉來預測」，那么 2026 年的 ADM-v2 回答的則是更進一步的問題：

動力學模型能否真正支撐完整時域滾動推演 (full-horizon roll-out)？

這里的「完整時域」，并不是簡單地把 rollout 拉長一點，而是要盡可能覆蓋接近完整回合的推演過程，而不只是幾步、十幾步的局部展開。

這件事為什么重要？因為它對應的是世界模型能力層級上的一次躍遷。

• 如果模型只能做短程推演，它更像一個局部預測器；

• 如果模型能夠穩定支撐完整時域推演，它才更接近一個真正的內部模擬器。

ADM-v2 的關鍵突破就在于：在離線強化學習的動力學模型設定下，它首次將 full-horizon roll-out 穩定推進到上千步規模。

這不是一個普通實驗數字，而是一個能力門檻。它意味著，模型式方法開始從「短程近似預測」走向「近整回合級別的連續推演」。

結構改進：狀態負責初始化，動作負責演化

原始 ADM 在循環過程中會反復引入起始狀態，這使內部表征與起點狀態存在較強耦合。

ADM-v2 對這一結構做了更自然的重構：

• 先將起始狀態編碼為隱表示；

• 將這一隱表示作為循環單元的初始隱藏狀態；

• 后續遞推只輸入動作序列，不再重復輸入起始狀態。

這種設計把「狀態初始化」和「動作驅動演化」明確分開，提升了多步直接預測的靈活性和穩定性。

圖 6：ADM 與 ADM-v2 的結構差異對比。

PARoll：并行任意步滾動推演

ADM-v2 進一步提出了并行任意步滾動推演(PARoll, Parallel Any-step Roll-out)。

它的核心思想是：在長程推演過程中，同時維護多個由不同時間步幅構成的預測視角，并行地產生未來狀態預測，再利用這些預測之間的差異來估計不確定性。

這樣做帶來兩方面收益：

• 任意步直接預測可以更高效地執行；

• 不確定性估計可以自然伴隨長程 rollout 一起產生。

但更關鍵的是，PARoll 的價值不只在「更快」或者「更方便」。它真正把 ADM-v2 從「概念上能做長程預測」推進到了「實際上能夠執行上千步 full-horizon 推演」這一層。

也就是說，ADM-v2 不再只是證明「任意步預測是個好主意」，而是進一步證明：這條路線確實可以支撐近整回合級別的長程推演。

圖 7：PARoll 的并行結構和多時間線預測機制。

從「學策略」走向「評策略」

ADM-v2 的一個重要擴展，是把動力學模型進一步用于離線策略評估。

這是一個非常關鍵的落點。因為在離線強化學習以及具身智能場景中，新策略往往不能輕易回到真實環境中反復試驗，如何評估策略價值就變得非常重要。

從理想狀態出發，最直接的方式當然是：讓策略先在世界模型中完整運行若干個回合，再估計它的總回報。

但這對動力學模型提出了極高要求。只有當模型在長程滾動推演中誤差足夠可控時，這樣的評估才具有可信度。

ADM-v2 在這方面取得了明顯進展。論文在 DOPE benchmark 上的結果表明，基于 ADM-v2 的完整時域滾動推演評估優于多種離線策略評估方法，也優于其他動力學模型方案。

更重要的是，這篇工作首次驗證了動力學模型可以穩定支撐上千步的全程推演，并在這一尺度上同時服務于策略學習與策略評估。

這件事的意義在于，它讓世界模型開始擺脫「短程預測工具」的角色，進一步走向「可用于整回合模擬的內部環境」。

圖 8：DOPE benchmark 上不同離線策略評估方法的整體對比結果。

在離線策略學習任務中，ADM-v2 同樣表現突出。

論文報告，基于 ADM-v2 的ADM2PO-fh在 D4RL 和 NeoRL 上取得了新的最好結果；與此前強基線相比，平均性能提升分別超過4.6%和12.8%。

更值得注意的是，很多已有方法在 rollout 長度增加時，性能往往會明顯下降。原因很直接：一旦模型偏差在長時域上迅速累積，更長的推演反而會變成噪聲來源。

但 ADM-v2 展現出一種不同的趨勢：它能夠持續從更長時域的推演中獲益。

這恰恰說明，ADM-v2 的改進不是「把 rollout 拉長了」，而是讓更長時域的 rollout真正變得可用。

表 3：D4RL 上與 CQL、EDAC、MOPO、MOBILE、MOREC 等方法的對比。

表 4：NeoRL 上的對比結果。

圖 9：不同滾動推演長度對性能的影響。

把模型做大的同時，也要把動力學建模做對

如果把這兩篇工作放在一起看，它們可以構成一條連續推進的技術主線。

第一步，ADM 證明：動力學模型不必局限于單步自舉式預測。未來狀態可以通過任意步、跨時域的直接預測來重構，從而緩解長程誤差累積。

第二步，ADM-v2 進一步證明：在 Any-step 路線已經被驗證有效之后，通過更合理的模型結構和并行滾動推演機制，動力學模型可以真正支撐上千步級別的完整時域滾動推演。

第三步，這條路線最終指向的是：把世界模型從「局部預測工具」推進為更接近「數據驅動模擬器」的系統形態。

今天的世界模型研究，很容易把注意力集中在更大的參數規模、更長的上下文、更豐富的數據和更強的表征能力上。

這些當然重要，但如果未來預測仍然主要依賴誤差會不斷累積和放大的自舉式路徑，那么模型即使變得更大，也未必能穩定支撐長程推演、規劃和評估。

從這個意義上說，林浩鑫這兩篇工作的價值，不只是提出了兩個新方法，而是把注意力重新拉回到一個更底層的問題上：世界模型的動力學，必須被認真建模。

只有在動力學建模本身做對的前提下，模型規模的增長才更有可能轉化為真實的系統能力。尤其當目標從短程預測走向長期推演、從樣本生成走向策略評估時，動力學建模的重要性只會繼續上升。

如果說 ADM 證明了「未來預測不必依賴單步自舉去完成」，那么 ADM-v2 則進一步證明了：在離線強化學習的動力學模型語境下，世界模型已經開始具備承擔上千步整回合推演任務的能力。

對于離線強化學習、機器人學習、通用智能體，以及更大規模的世界模型系統而言，這條路線的潛力還遠沒有被完全展開。下一階段，動力學建模很可能會成為世界模型繼續向前演化時，最無法回避的關鍵問題之一。

【免責聲明】轉載出于非商業性的教育和科研目的，只為學術新聞信息的傳播，版權歸原作者所有，如有侵權請立即與我們聯系，我們將及時刪除。