世界模型应如何评估？南京大学团队发布「世界模型」评估立场论文

本文是南京大学人工智能团队关于“世界模型”评估的立场论文。背景方面，随着机器人、自动驾驶等领域对“世界模型”概念的应用日益广泛，其评价标准变得模糊且多样化，同一个术语覆盖了从视频生成到决策规划等不同技术对象。研究目的在于澄清面向具身智能和机器人决策的世界模型评估核心应落在哪里。论文系统梳理了当前文献中常见的六类能力主张和多项评估指标，指出存在“能力主张与评估证据之间的落差”，即生成质量高不等于决策价值高。结论上，论文提出了一套包含L0至L7的“世界模型评估阶梯”，用以区分从视觉合理性到规划优化效用的不同证据强度。研究强调，对于具身决策，评估应聚焦于模型对行动后果的预测能力、对策略优劣的判断能力以及在闭环优化中的实际支持能力，并给出了以决策为中心的评测协议与最小可行报告方案，为学术界和产业界提供了更清晰的观察坐标。