Overview
Scope
这个 topic 讨论 世界模型/World Model：系统如何学习环境的状态、转移、约束和可干预结构，使 agent 能在真实行动之前预测未来、比较行动后果、验证计划是否违反环境规律，并在部署证据表明模型失效时修正自己的模型。这里的重点不是“生成出来的画面像不像”，而是 预测是否能服务决策：模型是否能保持长时程一致性、是否对 action 或 premise 的改变敏感、是否尊重物理、软件、社会或科学场景中的 governing laws。
它和 Agentic RL 紧密相邻，但边界不同。agentic_rl 主要研究 如何训练多步交互策略，核心问题是 reward design、credit assignment、rollout throughput、online optimization 和训练稳定性；world_models 则追问这些策略依赖的 环境模型本身是否可靠。如果一篇论文主要提出新的 agent RL 训练算法，它应优先进入 agentic_rl；如果它主要研究 state-transition model、simulation substrate、environment emulator、counterfactual rollout、constraint-consistent planning 或 evidence-driven model revision，它就属于这里。
它和 Reinforcement Learning 也要分开。经典 model-based RL、POMDP、planning 和控制理论仍是基础地基，但这个 topic 不只收传统 RL 算法，还覆盖 video world models、web/GUI simulators、social simulacra、scientific surrogate models 和 autonomous experimentation loops。换言之，reinforcement_learning 更偏方法传统，world_models 更偏跨场景的环境建模能力。
它和 Representation Learning 的交叉在 latent state 上。表征学习关心 怎样得到好的 representation；world modeling 进一步要求这个 representation 能被 transition operator、rollout query、planner 或 evaluator 使用。只要论文的核心贡献停在“学到更好的特征”，它应留在 representation_learning；只有当它把表征接入 可组合转移、行动条件模拟、约束验证或模型自我修正 时，才进入 world_models。
这个 topic 目前优先保留三类工作：第一类是 L1 Predictor，即 one-step 或 short-horizon transition models；第二类是 L2 Simulator，即可被 planner 查询的 long-horizon, action-conditioned rollout systems；第三类是 L3 Evolver，即能从 deployment evidence、实验反馈或 regression signals 中诊断失败、生成持久更新并通过验证门控的 self-improving world-model stack。