世界模型专题自测与考察¶
预计阅读：40 分钟 | 前置知识：本专题 01-世界模型发展史 起全 9 篇
本篇是考察篇：正文四层只给指针、不给答案，答案都在九篇原文里。末尾 §7 思考题 是唯一带参考答案的部分，三道都是跨篇综合题，单翻一篇答不出来。
1. 这一篇怎么用¶
通用面经问世界模型，答案大多停在 Dreamer 的三次飞跃和"latent 比 pixel 好"。本专题要考察的多一层：同一道题，在 Atari 上的答案和在四旋翼上的答案不一样。所以这一篇分三层加一个专场：
| 层 | 考什么 | 判对的标准 | 答不上来怎么办 |
|---|---|---|---|
| 第一层 知识体系自测 | 本专题九篇有没有洞 | 能顺着指针说出那一节的结论与数字 | 回读指针指向的那一节 |
| 第二层 领域高频考察点 | 外部题库问的题，本仓库怎么答 | 能用本仓库的口径回答，并说出与通用答案的差别 | 见第二层每条末尾的指针 |
| 第三层 前沿修正 | 背下来的答案有没有被反过来 | 能说出该说法在什么条件下不成立，以及是哪个实验量出来的 | 见第三层 |
| 附 无人机专场 | 别处问不到的 | 能给出数字，或明确说"本专题没有这条" | 见 §5 |
这一篇不给答案，只给指针。 答案已经在九篇正文里，再抄一遍的结果是你不会回去读原文；而指针指向的是原文里带实测数字、带边界条件的那一段。
本专题与其它卷不同的地方是九篇各带一个动手验证（逐篇脚本见 code/README.md：01–06 为 h_symlog / i_plucker / a_worldmodel_rssm / j_render_cost / k_physics_prior / l_seq_metrics，新三篇是 t_wm_diagnostics / u_jepa_probe / v_longhorizon_memory），第三层的判据几乎都能落到其中某一条实测上。答不出第三层时，先去看那张图和它的脚本，再回头看结论。
自测方式是遮住指针，每题答出声，再顺着指针核对。答得出大意但说不出数字，按答不上来算。
末尾 §7 思考题 是唯一带参考答案的一节，三道题都要求把几篇合起来才答得出。它考的不是记忆，是这一卷能不能被当成一个整体用。
指针里的短名对照：01 世界模型发展史 · 02 生成式世界模型 · 03 模型强化学习世界模型 · 04 3D场景世界模型 · 05 无人机世界模型综述 · 06 关键数据集与基准 · 07 世界模型评测与诊断 · 08 联合嵌入预测与潜空间世界模型 · 09 长时程世界模型与交互式生成。
判据：判"答对"的标准不是复述术语，而是说出该结论的边界条件与一个具体数字。说不出的那一条，指针就是你的复习清单。
2. 第一层：知识体系自测¶
2.1 记忆层¶
能立刻报出名字、年份、量级，不查资料。
M1 Craik 1943、Wiener 1948、Dyna 1990、Ha 2018 四个年份各自留下了什么？ → 01 §1–§3
M2 DreamerV1 在 Car Racing 上拿到多少分（满分多少）？它在 DMControl 的 20 个任务上超过了哪个无模型方法？ → 01 §4.1
M3 DreamerV2 的 s_t ~ Cat(32, 32) 是什么含义？V2 在 Atari 200M 上首次做到了什么？ → 01 §4.2
M4 DreamerV3 相对 V2 换了哪三件事？它在 DMControl 与 Atari 两栏各达到什么水平？ → 01 §4.3
M5 TD-MPC2 跨多少任务、参数量从多少扩到多少？ → 01 §5.2
M6 AeroVerse 提供了几个数据集、几项指标、几个模型？SkyAgent-* 五个子集分别是什么？ → 05 §2.2
M7 Dream to Fly 用的是离散表征还是连续表征？速度、端到端延迟、定位精度各是多少？ → 03 §3.2、§3.4
M8 NeRF 与 3DGS 各是哪一年、谁的工作？3DGS 报告的可达帧率是多少？ → 04 §2.1、§4.1
M9 本专题的四个关键数据集或平台各是什么规格？（视频时长与分辨率、子集数量、整机重量与主频、是否空地一体） → 06 §2–§5
M10 ATE 与 RPE 各自量的是"轨迹整体准不准"还是"局部运动像不像"？RPE 的读数依赖哪个参数？ → 06 §8.2、§9
M11 I-JEPA 与 V-JEPA 2 各是哪一年、在什么模态上预测？两者的关系是什么？ → 08 §8
M12 诊断世界模型的四条量 D1a / D1b / D2 / D3 各量什么？它们各自在哪一族退化上失明？ → 07 §9.1
M13 长时程世界模型的三种失效分别叫什么？遮挡长度从 5 步拉到 160 步，重现瞬间的跳变从多少涨到多少？ → 09 §3、§9.2
判据：这一层的题只有一个答案，答错说明那一节没读或读串了篇。十三题里错两题以上，先回读再往下。
2.2 机制层¶
能说出"为什么这样设计"，以及这个设计在什么条件下失效。
J1 RSSM 为什么要同时有确定性路径 h 与随机路径 z？两条路径各自承担什么？ → 03 §2
J2 想象训练里 Actor-Critic 的梯度为什么不回传到世界模型？省下的代价是什么？ → 03 §2.2、§4
J3 free_bits 与 KL 权重分别压什么？压不住会退化成什么？ → 03 §2.3、§4.3
J4 λ-return 里 λ=0 与 λ=1 各退化成什么？Dreamer 用的默认值是多少？ → 03 §4.1
J5 symlog 统一的是数值范围还是别的什么？为什么加了它总体 MSE 反而涨？ → 01 §4.3、§11
J6 Plücker 编码对平移是严格线性的，对旋转不是。为什么会这样，AirScape 的处理是什么？ → 02 §4、§9
J7 体渲染与 alpha 溅射是两套合成公式吗？深度重叠时两者差在哪？ → 04 §9
J8 把物理写进损失函数（软约束）与写进网络结构（结构约束）差在哪？2201.04339 走的是哪条？ → 05 §5.3
J9 物理残差先验救回了哪些通道、救不了哪个通道？为什么？ → 05 §10.2
J10 RPE 为什么对全局刚体偏移在构造上就是盲的？ATE 什么时候会归零？ → 06 §9
J11 单步均值这条诊断为什么在 drift 与 jitter 两族之间没有分辨力？要分开这两族，得看哪条量、看它的什么性质？ → 07 §9.2
J12 重建派为什么优先把高方差方向装进码字，而预测派把排序反过来？两者的排序各随哪个量变化、又不随哪个量变化？ → 08 §2、§9.2
J13 记忆衰减的最优时间常数 τ 为什么不是常数？遮挡从 5 步拉到 160 步时它往哪移动、最终与目标的哪个量同阶？ → 09 §9.2
判据：能说出机制但说不出成立条件，等于背了结论没读判据。这一层每题都对应原文里的一段实测或一条判据。
2.3 选型层¶
给一个任务，选出方案并认领代价。这一层没有唯一答案。
X1 做无人机视觉导航，选 latent 世界模型还是视频生成世界模型？先回答"想象 rollout 需要走多长"。 → 01 §9、02 §6
X2 什么时候用 NeRF、什么时候用 3DGS？把训练时间与实时性两列摆出来再说。 → 04 §2.3、§4.3、§6.2
X3 三篇生成式世界模型（ANWM / AirScape / FlightDiffusion）里，实时性与模型大小怎么权衡？ → 02 §6.1
X4 拿到一个新的无人机数据集，第一件事看什么？为什么这一步比选指标更常被跳过？ → 06 §10.3
X5 汇报轨迹误差时报 ATE 还是 RPE？报其中一个的代价是什么？ → 06 §9，可对跑 code/l_seq_metrics.py
X6 机载部署要把模型压到 27 g 的平台能跑，量化、剪枝、蒸馏、低秩、二值化这五条路各自的倍数范围是多少？ → 06 §4.4
X7 手头只准保留一条诊断量去给世界模型排名，你留哪条？它会瞎掉哪一族、那一族的结论你打算怎么补？ → 07 §4、§9.2
判据：选型层没有唯一答案，只有"选了之后要不要认领代价"。答不出代价，说明这个选择还没真正想过。
3. 第二层：领域高频考察点¶
下面每一组都是外部题库真问过的方向，题干按本仓库的口径重写，指针指向对应的那一节。这一层只借用题目方向，解答一律是本仓库自己的。
3.1 世界模型与表征¶
对标外部题库的"世界模型基础"一类（定义之争、latent vs pixel、表征形态、KL 与信息瓶颈）。
W1 什么是世界模型？Craik 与 Wiener 的原始定义和 Ha 与 Schmidhuber 的现代定义差在哪？ → 01 §1、§3
W2 latent 世界模型与 pixel 世界模型各自的失败模式是什么？ → 01 §9、02 §1
W3 RSSM 里去掉随机路径，或者去掉确定性路径，分别会坏在哪里？ → 03 §2
W4 离散表征与连续表征各自的适用条件是什么？"离散更好"这句话在什么条件下不成立？ → 01 §4.2、03 §2.4、§3.4
W5 信息瓶颈压得太狠或太松各会怎样？工程上靠哪两个旋钮调？ → 03 §2.3、§4.3
W6 symlog 里的 "sym" 与 "log" 各解决什么问题？ → 01 §4.3、§11
W7 世界模型按表征方式分几类、按训练范式分几类？ → 01 §9
W8 一张表说清 DreamerV1/V2/V3 各换了什么、换来了什么。 → 01 §4
W9 在表征空间预测（JEPA 路线）与 RSSM 式重建世界模型，两者的训练目标差在哪？它们是不是在解决同一个问题？ → 08 §1、§5
3.2 MBRL 与想象训练¶
对标外部题库的"Dreamer 系列"一类（想象训练、λ-return、模型利用、规划）。
R1 想象训练为什么能让策略在没见过的状态上改进？前提是什么？ → 03 §1、§8
R2 模型利用是怎么发生的？工程上有哪几种压法？ → 03 §4.3
R3 想象 rollout 的回报能有多准？时程拉长之后呢？ → 03 §8.2
R4 世界模型内 RL 相对无模型方法的样本效率差多少？把三个数字摆出来。 → 03 §3.7
R5 Dreamer 与 MuZero 的核心差别是什么？ → 03 §5
R6 CEM / MPC 与 Actor-Critic 在模型预测控制里各占什么位置？TD-MPC 系列把两者怎么拼的？ → 01 §5、03 §4
R7 无人机上做模型 RL，仿真预训练阶段与真机微调阶段各自解决什么？各用多少步？ → 03 §3.5
R8 竞速任务里，世界模型误差从哪一步开始吃掉收益？ → 03 §8.2
3.3 生成式与 3D 表征¶
对标外部题库的"3D 感知 / NeRF / 3DGS"一类（体渲染、显式与隐式表征、条件生成）。
G1 视频扩散世界模型的训练流程分几步？数据从哪来？ → 02 §7
G2 条件注入有哪几种做法？动作条件与相机位姿条件为什么要分开处理？ → 02 §2、§4
G3 Plücker 坐标编码了什么？生成式世界模型为什么用它而不是 6-DoF 参数？ → 02 §9
G4 NeRF 与 3DGS 的原理差在哪？训练时间与实时性两列差多少？ → 04 §2、§4
G5 体渲染与 alpha 溅射的合成公式是不是同一套？ → 04 §9
G6 3DGS 实时渲染能力成立的前提是什么？违反前提的代价有多大？ → 04 §9.2
G7 Instant-NGP 报告的千倍级加速解决的是哪一环？为什么 NeRF-SLAM 比离线 NeRF 更吃实时性？ → 04 §2.3、§6
G8 目标被遮挡又重现时，为什么"跟得住"不等于"认得同一个物体"？这个差别在哪一帧上暴露得最清楚？ → 09 §3、§9.2
G9 双时程（长/短两个预测器）与把单一时程直接拉长，差在哪？为什么后者更早崩？ → 09 §5、§6
3.4 数据集、评测与部署¶
对标外部题库的"仿真器选型 / 评测"一类（基准选择、指标口径、部署约束）。
E1 拿到一个数据集先问什么？ → 06 §10.3
E2 ATE 与 RPE 分别量什么？谁对刚体偏移与尺度误差是盲的？ → 06 §9
E3 SSIM 与 FID 各自对什么敏感？为什么自检时 FID(X, X) 必须是 0？ → 06 §8.2、§9.3
E4 机载压缩的五条路线各压到几倍？ → 06 §4.4
E5 仿真真值、机载 RTK-GPS + IMU + 激光雷达真值、独立测量真值，三者的"残差 0.03 m"是同一件事吗？ → 06 §2.3、§10.3
E6 一份基准报告最常缺哪几项？ → 06 §10
E7 报完赛率与平均速度时，为什么必须同时报样本量？ → 03 §3.7
E8 世界模型评测为什么不能只报单步预测误差？只报它会在哪一族退化上失明，又会在什么情况下把两个模型的名次排反？ → 07 §3、§9.2
判据：这一层若你只能答出通用版本，说明缺的不是知识而是立场。每条指针都指向本仓库自己跑过或核过的那一段。
3.5 明确不在本专题范围内的题¶
外部题库里有几类题，本专题没有对应内容。这属于范围外，不属于缺口，改了范围才会补：
- 自己训一个视频世界模型（Sora / Cosmos 那一档的算力与数据规模）：本仓库的环境是 8 GB 显存，这一档的工作量不在范围内。本专题做的是从论文层面判断它的能力边界，以及被压缩之后的推理侧实验。
- 多智能体与博弈世界模型（MARL、对手建模、AlphaStar 那一类）：主线的被控对象是一架四旋翼，不是多方博弈。
- 腿足与人形 locomotion 的 MBRL（接触序列、步态、浮动基座）：不在本仓库主线。
- 手撕代码（手写 DreamerV3、手写体渲染积分、LeetCode）：本仓库不做刷题区；可跑的实现在
code/，但它们是用来量结论的，不是笔试题。 - HR 与求职话术（自我介绍、项目包装、谈薪）：不属于知识体系。
4. 第三层：前沿修正¶
这一层是本仓库唯一没有外部来源的部分。做法是：把外部题库里那些写在 2024–2025 年、到 2026 年已经被限制或反向结果覆盖的答案挑出来，给出量它的那一段实测和它的成立条件。背下来就过期的，正是这些。
4.1 "symlog 把不同尺度的信号统一了，所以总是更好"¶
本专题自己量过的那一笔是反例：混尺度回归里，不加 symlog 的总体 MSE 是 37.4，加了反而涨到 54.7，×1000 那一组从 146.1 涨到 217.3。它真正统一的不是数值范围，是各尺度在梯度里的权重：最差组与最佳组的差距从 289.9 倍压到 3.6 倍，代价是大值的绝对精度下降。→ 01 §11、code/h_symlog.py
4.2 "离散表征比连续表征好"¶
通行说法里 DreamerV3 用离散表征是它的关键升级之一。但同样的算法用在无人机竞速上，Dream to Fly 选的是连续高斯表征，理由是高速小目标的观测分布决定连续表征更合适。表征形态不是决定性因素，观测分布才是。→ 03 §2.4、§3.4
4.3 "世界模型的想象只要够准，就能替代真机交互"¶
0.8 秒的时程上，想象 rollout 的回报与真实回报差 0.1%，完全开环也只有 0.4%。时程一长这个数字迅速恶化，这正是 Dreamer 类方法在长时程任务上仍然吃力的原因。所以世界模型的内循环有一个长度上限，超上限的部分必须回到真机或仿真。→ 03 §8
4.4 "3DGS 快，实时建图就该用它"¶
3DGS 声称的实时性建立在"基元大致可分离"这个前提上。深度重叠时 alpha 溅射的误差卡在 0.0787 再不下降，采样数从 8 加到 1024 都不动；而同一条公式在可分离场景下能到 1.2e-4。前提不成立时，公式相同不等于结果相同。→ 04 §9.2、code/j_render_cost.py
4.5 "物理先验一定省数据，一定提升外推"¶
两个方向都被量反了。其一，先验只救它写死的通道：位置通道降 55.7 倍，而速度通道的比值是 0.97，基本没动。其二，省数据的效应量不出来，因为 32 条轨迹砍到 4 条，误差几乎不动，600 条转移就已经把模型喂饱。长时域开环 rollout 里，带残差先验的那组反而最差（3 秒时 6.785 m，纯数据是 3.050 m）。这一条如实记下，不当作支持物理先验的证据。→ 05 §10.2、code/k_physics_prior.py
4.6 "报 ATE 就够了"或"报 RPE 就够了"¶
同一个错位轨迹可以报出 0.442 也可以报出 0，差别只在有没有做刚体对齐。反过来说，RPE 对刚体偏移与尺度误差在构造上就是盲的：一条尺度标定错了 2% 的轨迹，RPE 会告诉你它几乎完美，而刚体对齐后的 ATE 仍有 0.0318 m，比 RPE 大 62 倍。报一个漏一个。→ 06 §9、code/l_seq_metrics.py
4.7 "Sora 与 Cosmos 证明了视频生成就是世界模型"¶
2023 年之后"什么算世界模型"的争论没有结论，本专题的处理是把它当成一个定义问题而不是技术问题：视频生成模型的能力边界由它能维持多长的动作一致性决定，这一点与 latent 世界模型的想象长度上限是同一个量。→ 01 §6、02 §1
4.8 "Plücker 编码的解析性质证明了它更适合当条件输入"¶
本节量出的是编码本身的数学性质：平移方向上 |Δm|/|Δp| 与 sin θ 的偏差小于 2.45e-14，线性叠加的偏差小于 2.22e-16，而旋转方向非线性。这解释了 AirScape 为什么必须把运动拆成两个分支，但不构成"Plücker 比 6-DoF 参数更适合当条件输入"的证据，后者要靠生成质量对比实验。→ 02 §9.2、code/i_plucker.py
4.9 "AeroVerse 是一篇综述"¶
它是一套基准与数据，不是一篇综述。本专题第 05 篇 §3 那张无人机导航组件表，是把对比世界模型的范式外推到无人机场景的整理，不是原文内容；第 06 篇 §3 称它为"综述论文提出的统一评估基准"，两处口径需要对齐。引用时写清你引的是它的数据还是它的方法。→ 05 §2.2、§3.1、06 §3.1
4.10 "重建误差小，说明表征学得好"¶
本专题自己量过的那一笔是反例：σ² = 0.01 时重建派 RMSE 0.3571、预测派 0.5612，重建派好 1.57 倍；可同一条码字上的下游线性探针（闭式），重建派只有 0.4944，预测派是 0.9842，重建派差近一倍。两个数不打架，它们量的是两件事：重建管"信息留住多少"，探针管"留下的信息里有多少能支撑下游任务"。重建派把 4 个高方差但无关的方向全装了进来（连贯 : 无关 = 2 : 4），预测派反过来（4 : 2）；而且这个排序与 σ² 无关，噪声只改变信号与噪声的相对比重，不改变装哪几个方向。→ 08 §9.2、code/u_jepa_probe.py
外推边界：这是线性-高斯最小模型，量的是两个目标函数的分歧，不是某个真实 JEPA 的性能。往外推到真实规模需要另做实验。
4.11 "单步预测误差低，世界模型就能用"¶
同一条单步均值量（D1a）在 drift 与 jitter 两族退化之间给出的比值是 1.0029 / 1.0040 / 0.9982 / 1.0029 / 1.0001，而理论值应当是 1——这条量在这两族之间没有任何分辨力。更直接的一条证据是同一次失效的两处读数：在全程平均的单步指标上它只体现为 0.1356 m，在目标重现瞬间的指标上是 0.9136 m，差 6.7 倍；遮挡占的步数比例越小，这个差越大。所以"单步误差低"既推不出"开环可用"，也推不出"两种退化已经分开"——后者要靠 D2（累积方式不同，差 √30 ≈ 5.477 倍）或 D4（分布形状不同，差 1.75 倍）。→ 07 §3、§9.2、code/t_wm_diagnostics.py
4.12 "加一条记忆位，误差只会更小"¶
遮挡 160 步（3.2 秒）时，信念冻结的重现瞬间跳变是 3.139 m，比匀速线性外推的 3.250 m 更小——只看这一个入口，冻结是赢的。但它在整个遮挡期把同一个恒定的错误位置喂给控制器，遮挡期累积偏离 1.491 m，反而比线性外推的 1.040 m 大。长时程失效是"持续错误 + 一次跳变"两段，只盯重现那一帧就会漏掉前半段。配套的第二个反直觉处是最优衰减常数 τ 不是常数：遮挡 K ≤ 20 步时扫描上界（不衰减）就已经最优，K = 40/80 步时最优是 12.8 秒，K = 160 步才收敛到 3.2 秒附近——与目标机动特征时间 1/ω = 1.67 秒同阶。→ 09 §9.2、code/v_longhorizon_memory.py
判据：这一层的用法是给每个结论配一句"在什么条件下成立"。说不出条件的结论，在 2026 年的文献里已经不能当结论用。
5. 无人机专场：别处没有的 12 问¶
实测过三份外部题库的题目正文，drone、quadrotor、uav 全部 0 命中。这一节因此没有任何外部来源，题干与口径都出自本专题正文。
U1 四旋翼的世界模型为什么不能直接沿用 Atari 与 DMControl 的那一套？6-DoF 带来的独特约束是哪几条？ → 01 §8
U2 无人机世界模型的五条技术路线是哪五条？为什么它们"不可比"，打高/中/低分错在哪？ → 05 §7.3
U3 AeroVerse 的五个子集（Scene / Reason / Nav / Plan / Act）分别考什么能力？ → 05 §2.2
U4 Dream to Fly 的两阶段训练里，仿真预训练与真机微调各用多少步、各解决什么问题？ → 03 §3.5
U5 同样一个竞速任务，Dream to Fly 与无模型 SAC、PPO 的样本量各是多少？ → 03 §3.7
U6 无人机高速机动时，世界模型的误差从哪一步开始吃掉收益？ → 03 §8.2
U7 无人机视频数据集为什么要按"运动剧烈程度"分层？不分层会给世界模型的训练带来什么？ → 06 §2
U8 27 g、168 MHz、192 KB 的平台上跑世界模型，压缩路线与倍数是多少？ → 06 §4.2、§4.4
U9 把物理写进损失函数，为什么只是"被鼓励"满足而不是"必然"满足？ → 05 §5.3
U10 体渲染与 alpha 溅射的基元求值次数差 165 倍、耗时差 16 倍。机载实时重建该选哪条，代价是什么？ → 04 §9.2
U11 混合动力学的 VIO 相对纯学习与纯模型的做法，解决的是哪一环？ → 05 §4
U12 EuRoC 与 TUM-VI 的真值来源，和仿真平台直接给出的真值差在哪？这会怎么影响"残差 0.03 m"这句话？ → 06 §6、§10.3
判据：这一节的题在别处搜不到标准答案，所以判据只能是"能不能落到本专题的某一段实测或某一篇 2026 年工作上"。落不到的，就是本专题还没做的那一块。
6. 出题来源与许可¶
出题前实查了下列开源项目，用法一律是当覆盖清单，正文由本仓库自己的九篇重写。
| 来源 | 星标 | 许可 | 本仓库用了什么 |
|---|---|---|---|
| sou350121/VLA-Handbook | 684 | CC-BY-4.0 | 通用的"策略与动作 / 训练优化 / 架构推理"三类划分；本卷只用到其中的训练优化一类；解答未搬运 |
| WinstonJQ/embodied-interview-qa | 257 | NOASSERTION | 卷四的分节（世界模型基础 / Dreamer 系列 / Sim2Real 基础 / Teacher-Student / 仿真器选型 / 具身 Sim2Real 实战 / 低频备选）与题量，用于校验本卷的覆盖 |
| WeThinkIn/AIGC-Interview-Book | 4912 | GPL-3.0 | "具身智能基础"八章的章节骨架，用于校验本卷是否成体系 |
| oplisty/RoboPrep · Kibry-spin/embodied-interview-guide · chaoyuehanzju/vla-interview-pack | 26 · 1 · 1 | NONE | 查过后未采用：题目正文不在仓库文本里 |
三点需要写清楚：
一、只有第一份是明确可以被引用的许可（CC-BY-4.0）。 其余几份的许可为 copyleft 或未声明，所以只读它们覆盖了哪些题，不引它们的文本。上面这张表就是署名声明。
二、三家题库的无人机层都是空的。 逐一统计了题目正文，drone、quadrotor、uav 在三家的题目文本里全部 0 命中，而本卷九篇每一篇都设了无人机落点节（01 §8/§9.3、02 §4.7、03 §3/§6、04 §5/§6.3、05 全篇、06 §2、07/08/09 §7）。所以第五节的 12 问没有外部来源，全部由本专题正文出。
三、本卷与外部题库的重合度比 VLA 卷更低。 卷四的 31 题里，Sim2Real 相关（Teacher-Student、仿真器选型、实战）占了大半，世界模型本身只占前两节；NeRF / 3DGS 那一类被放在另一卷的 3D 感知里，且只有感知没有世界模型。外部题库缺的这两块，正是本卷九篇逐篇带实测补上的部分（九篇各一个可跑脚本，清单见 code/README.md）。
7. 思考题¶
题目 1：本卷九篇各带一个动手验证，其中好几篇的结论是"加了那个东西反而更差"或"量不出预期收益"。一份要教人做研究的知识库，为什么把否定结果放在每篇的收尾位置？
01 §11 的总体 MSE 从 37.4 涨到 54.7，04 §9.2 的溅射误差卡在 0.0787，05 §10.2 的物理先验在 3 秒开环上反而落后、省数据的效应量不出来；07 §9.2 的单步均值在两族退化之间的比值是 1.0029 / 1.0040 / 0.9982，等于没有分辨力；08 §9.2 里重建误差更小的重建派（RMSE 0.3571 对 0.5612），线性探针只有 0.4944，重建误差更大的预测派是 0.9842。这些收尾姿态为什么是同一种？
参考答案
**因为否定结果标出的是方法的适用边界，正结果标不出这条线。** "symlog 有效"这句话在论文里是结论，在工程里是风险：它没说什么时候不该用。把代价量出来，那句话才变成可判断的。 **这些否定结果否的都不是组件本身。** symlog 否的是"它统一的是数值范围"这种读法，真正被统一的是梯度权重；溅射否的是"公式相同所以结果相同"，前提是基元可分离；物理先验否的是"先验等于免费增益"，它只在写死的通道和短时域内成立，速度通道的比值 0.97 就是反证；07 否的是"单步误差就是世界模型的成绩单"，同一条量在两族退化上给出同一个数；08 否的是"重建误差是表征质量的总指标"，它最优的那一边下游探针反而差近一倍。 **更关键的是，它们把第三层变成了可核查的。** [§4](#4-第三层前沿修正) 的每一条都要能指到一个具体数字，而不是指到一句"研究表明"。没有这些否定结果，第三层就只能写成观点。 **结论：** 否定结果的位置不是修辞，是判据的生产地。一份只放正结果的知识库，读者拿到的是"什么时候能用"，而工程上更需要知道"什么时候会坏"。题目 2：04 §9 明说量的是 CPU 上的求值次数、不是 GPU 上的 FPS；02 §9 明说解析验证不构成"更适合当条件输入"的证据；06 §9 明说扰动是手工加的。既然都写了不能外推，这三节为什么还要做？它们各自能确立什么、不能确立什么？
三节的「限制」段都把话说到了不能外推这一步。那它们剩下的价值是什么？
参考答案
**不能确立的都是同一类：哪个方法更好。** 那要靠真实任务上的生成质量对比、GPU 上的帧率、真实估计器的输出。这三节一个都没做，所以都不能用来排名。 **能确立的是两类东西，且都与量它的装置无关。** 第一类是**构造上的盲区**：RPE 对全局刚体偏移的响应在数学上就是零，换实现、换硬件、换数据集都不变，所以"报 RPE 就够了"在任何情况下都不成立。第二类是**机制的成立条件**：线性响应只对平移成立、旋转非线性，这条解析式决定了条件输入必须把运动拆开，与用什么显卡无关。 **判据因此可以写下来：结论的适用范围与量它的装置无关时，才是可迁移的。** 04 §9 的求值次数（1536 与 9.3）是确定值，耗时不是（逐次抖动约 10%），所以能引的是前者。06 §9 的三种扰动是手工加的，但"RPE 对这些扰动是盲的"这一条不依赖扰动怎么造。 **结论：** 「限制」段不是免责声明，是把结论的可迁移范围切开。切得干净的结论依然能用，切不干净的才只能当观察。题目 3：用本卷的实测证据回答"给一架只有 8 GB 显存的四旋翼选世界模型"。四类候选各说出一条把它排除掉的具体条件，并给出支撑它的那个数字。
候选是 latent MBRL（03）、视频生成（02）、Neural 3D（04）、物理混合（05）。要求是给排除条件，不是选一个最好的。