认知视角综述世界模型与评测标准演进｜世界模型读书会第三期|世界模型|元认知|启发|推理|评测标准|读书会

导语

当世界模型能够生成越来越逼真的视频、模拟越来越复杂的物理过程，我们该如何判断它是否真的“理解”了世界？仅靠视觉保真度已经不足以回答这一问题。本期读书会为世界模型读书会读书会第3期，将从认知视角重新审视世界模型，并沿着评测标准的演进，讨论世界模型正在如何从“生成得像”走向“理解得对”，以及人类认知与生物世界模型能够为这一过程提供哪些启发。

集智俱乐部联合认知科学、具身智能、AI Agent、复杂系统与高阶网络等领域的研究者发起，围绕世界模型的思想源流、理论基础、技术路线与应用边界展开专题分享和讨论。读书会自2026年8月7日起，每周五晚19:30-21:30，将以“世界如何被表征、其动力学如何被建模、内部模型如何服务于智能体”为主线，尝试讨论整理世界模型统一框架。

报告简介

近年来，随着生成式世界模型、具身智能与物理AI的发展，世界模型能够模拟的场景越来越复杂。但一个更基础的问题也随之浮现：一个真正意义上的世界模型，究竟应该具备哪些能力？

本次分享将从认知架构理论出发，重新审视世界模型的能力边界。以Rupprecht等人提出的“统一认知框架”为线索，梳理世界模型与人类认知功能之间的对应关系，讨论当前模型如何逐步覆盖感知、记忆、语言、推理、想象、动机与元认知七类认知功能，并重点关注目前研究相对薄弱的动机——尤其是内在动机——与元认知能力。

如果世界模型的目标正在从模拟外部世界走向支撑智能，那么如何评价它也需要随之改变。分享将进一步梳理世界模型评测指标与Benchmark的演进：从早期关注生成结果的视觉保真度，到考察物理一致性、长程预测与因果推理，再到对记忆、推理、规划等“类认知能力”的综合评价。评测标准的变化不仅反映了世界模型能力的发展，也在一定程度上推动研究重心从“生成视频”转向“理解世界”。

最后，分享将回到生物智能，讨论大脑如何形成和使用内部世界模型，以及生物认知中的预测、记忆、动机与行动机制能够为人工世界模型带来哪些启发。通过机器模型、评测体系与生物世界模型三个层面的对照，尝试回答一个核心问题：我们应该如何判断一个世界模型正在真正获得对世界的理解？

分享大纲

机器世界模型的认知透镜
1. 强化学习视角简介世界模型
2. 为什么需要认知透镜
3. 世界模型认知框架搭建
4. 世界模型认知功能的数学形式化
5. 潜在状态世界模型（Latent World Model）
6. 认知世界模型（Epistemic World Model）
7. 跨应用领域认知功能图景
世界模型的评测：指标与基准
1. 评测的目标：从"生成得像"到"支持决策"
2. 四类评测指标
3. Benchmark：五大领域的评测环境
4. 评测体系的四个核心问题与一个倡议
生物的世界模型
1. 空间结构的表征
2. 时间结构的表征
3. 因果关系的表征
4. 表征的组成性与层级性
5. 表征支持行为
6. Marr 计算的三个层次与生物-人工智能双向启发

核心概念

认知架构（Cognitive Architecture）、统一认知框架（Unified Cognitive Framework）、内在动机、元认知、世界模型评测、生物世界模型

主讲人介绍

主讲人：胡洁雯，北脑和协和医学院研究生，曾在上海中科院神经所做连接组学项目，关注全脑神经元动力学等。在北脑吉妮实验室做认知计算的工作，关注人类探索/推理等行为特点和认知机制。

参考文献

Rupprecht, T., Zhao, P., Taherin, A., Akbari, A., Akbari, A., He, Y., Imtiaz, T., Duffy, S., Lin, J., Chen, Y., Chowdhury, R., Nan, E., Shen, Y., Cao, Y., Zeng, H., Chen, W., Yuan, G., Dy, J., Ostadabbas, S., Zhang, X., Kaeli, D., Yeh, E., & Wang, Y. (2026). Human Cognition in Machines: A Unified Perspective of World Models. arXiv preprint arXiv:2604.16592.
Newell, A. (1990). Unified Theories of Cognition. Harvard University Press, Cambridge, MA.Baars, B. J. (1988). A Cognitive Theory of Consciousness. Cambridge University Press.
Friston, K. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138.
Zidan et al. (2026). World Models: A Comprehensive Survey of Architectures, Methodologies, Reasoning Paradigms, and Applications. arXiv:2606.00133.
Tolman, E. C. (1948). Cognitive maps in rats and men. Psychological Review, 55(4), 189–208.
O'Keefe, J., & Dostrovsky, J. (1971). The hippocampus as a spatial map: Preliminary evidence from unit activity in the freely-moving rat. Brain Research, 34(1), 171–175.
O'Keefe, J., & Nadel, L. (1978). The Hippocampus as a Cognitive Map. Oxford University Press.
Hafting, T., et al. (2005). Microstructure of a spatial map in the entorhinal cortex. Nature, 436(7052), 801–806.
Constantinescu, A. O., et al. (2016). Organizing conceptual knowledge in humans with a gridlike code. Science, 352(6292), 1464–1468.
Behrens, T. E. J., et al. (2018). What is a cognitive map? Organizing knowledge for flexible behavior. Neuron, 100(2), 490–509.
Whittington, J. C. R., et al. (2020). The Tolman-Eichenbaum Machine: Unifying space and relational memory through generalization in the hippocampal formation. Cell, 183(5), 1249–1263.
El-Gaby, M., et al. (2024). Prefrontal cortex neurons encode abstract task structure. Nature.
Snyder, L. H., et al. (1998). Spatial transformations for eye–hand coordination. Nature.
Wilber, A. A., et al. (2014). Egocentric and allocentric representations in the medial temporal lobe.
Wang, J. X., et al. (2018). Egocentric coding in the medial temporal lobe. Science.
Hinman, J. R., et al. (2019). Egocentric and allocentric representations in the medial temporal lobe. Nature Communications.
Byrne, P., et al. (2007). Remembering the past and imagining the future: A neural model of spatial memory and imagery. Psychological Review, 114(2), 340–375.
Bicanski, A., & Burgess, N. (2018). A neural-level model of spatial memory and imagery.
Pastalkova, E., et al. (2008). Internally generated cell assembly sequences in the rat hippocampus. Science, 321(5894), 1322–1327.
MacDonald, C. J., et al. (2011). Hippocampal "time cells" bridge the gap in memory for discontiguous events. Neuron, 71(4), 737–749.
Deuker, L., et al. (2016). An event map of memory space in the hippocampus. eLife, 5, e16534.
Tsao, A., et al. (2018). Integrating time from experience in the lateral entorhinal cortex. Nature, 561(7721), 57–62.
Eichenbaum, H. (2014). Time as a dimension of cognitive maps. Trends in Cognitive Sciences.
Stachenfeld, K. L., et al. (2017). The hippocampus as a predictive map. Nature Neuroscience, 20(11), 1643–1653.
Buzsáki, G., & Tingley, D. (2018). Space and time: The hippocampus as a sequence generator. Trends in Cognitive Sciences, 22(10), 853–869.
Gopnik, A., et al. (2004). A theory of causal learning in children: Causal maps and Bayes nets. Psychological Review, 111(1), 3–32.
Griffiths, T. L., & Tenenbaum, J. B. (2005). Structure and strength in causal induction. Cognitive Psychology, 51(4), 334–384.
Garvert, M. M., et al. (2017). Map building: combining probability and proximity to model spatial learning. eLife, 6, e24078.
Eichenbaum, H., Otto, T., & Cohen, N. J. (1994). Two functional components of the hippocampal memory system. Behavioral and Brain Sciences, 17(3), 449–472.
DiCarlo, J. J., et al. (2012). How does the brain solve visual object recognition? Neuron, 73(3), 415–434.
Lake, B. M., et al. (2017). Building machines that learn and think like people. Behavioral and Brain Sciences, 40, e253.
Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman.