来源笔记
Human Cognition in Machines: A Unified Perspective of World Models
摘要
概述
本文是一篇综述和立场论文，不是一个新训练的世界模型。它主张应按认知架构理论中的认知功能来分类世界模型，并提出一个统一视角，涵盖视频、具身和“认识性”世界模型。
问题
- 现有世界模型综述多按架构，或按“表征”和“生成”的宽泛划分来归类方法。作者认为，这会掩盖系统实际上提升了哪些认知功能。
- 许多论文把世界模型描述成人类式认知，但作者认为这些说法缺少与认知架构理论的扎实对照，尤其是在动机和元认知上。
- 这很重要，因为研究投入可能会流向被夸大的能力，而代理行为、规划和自我监控所需的关键功能仍然薄弱或缺失。
方法
- 论文围绕七种认知功能建立世界模型分类：记忆、感知、语言、推理、想象、动机和元认知。
- 这套分类被应用到三个领域：视频世界模型、具身世界模型，以及一个新提出的类别“认识性世界模型”，用于在结构化知识上进行科学发现。
- 论文提出一个概念性的统一世界模型，把多模态感知、潜在状态记忆、语言接口、通过 rollout 或 sim2real 迁移实现的想象、推理模块、基于奖励的动机，以及通过类似全局工作空间机制的元认知控制结合起来。
- 文中用 JEPA、Dreamer 风格代理、多模态具身系统和代理框架等例子，说明已有工作应按具体认知功能来归类，而不是只放进单一架构桶里。
- 作者把动机和元认知列为主要研究缺口，并把主动推断和全局工作空间理论作为可行方向。
结果
- 论文称自己是第一篇按认知架构理论中的认知功能对世界模型分类的综述；表 1 将其范围与 8 篇来自 2025-2026 年的既有综述进行比较，并将其综述标记为覆盖视频、具身、模拟、物理对齐、认识性模型和基于 CAT 的分析。
- 论文提出 1 个新类别，即认识性世界模型，定义为在结构化知识空间上运行、用于科学发现等任务的代理系统。
- 论文给出一个包含 7 种认知功能的统一分类法：记忆、感知、语言、推理、想象、动机和元认知。
- 论文明确指出一个缺口：当前最先进的世界模型大多缺少超出手工设计奖励之外的内在动机，而且论文认为没有模型展示出真正的元认知能力，例如自我监控、自我评估或自我控制。
- 摘要没有给出任何实验基准结果，也没有给出所提模型的新任务指标。主要贡献是概念性的：一个分类法、一项综述比较、一个统一设计提案，以及已识别的研究缺口。