Loop世界模型论文登顶Hugging Face，来自中国一家初创，周鸿祎陆奇都投了

43 0 0

文章摘要

硅谷开发者圈近期热议从以提示词为核心的传统模式转向以工作流为核心的循环工程，旨在让AI通过闭环系统自主执行、检查和修正复杂任务。这一转变使人类从提示者转变为自动化系统设计者，解决了AI持续行动的效率问题，但在持续理解环境和动态变化方面仍存在局限。

在此背景下，循环世界模型作为更具技术上限的解决方案进入公共视野。该研究由中国初创公司脸谱心智提出并实现。公司获得了多家机构数千万元融资，团队致力于从底层探索环境、界面与任务过程的持续理解与预测，将其作为下一代AI基础设施。

循环世界模型的核心创新在于打破了一次性前向传播的局限，通过共享参数的模块对潜在环境状态进行反复迭代细化。这种方法将模型深度从一次性堆叠转化为循环式复用，使计算深度能根据任务复杂度动态调整，提出了独立于模型规模和训练数据之外的新扩展维度。这一架构创新不仅避免了深层模型部署成本高和误差累积的问题，还实现了最高100倍的参数效率提升，单步推理计算量大幅减少，长时程计算节省高达两个数量级。在基准测试中，该模型在垂类任务上能够比肩参数量高出两个数量级的更大模型。

从宏观AI认知层面来看，循环世界模型不仅是对闭环概念的延伸，更是将循环机制推进到了世界模型本体中。它标志着AI的发展逻辑正从解决自动化执行效率问题，转向维持对复杂动态物理世界的连续理解能力，为通向空间智能与具身智能奠定了重要基础。循环世界模型致力于解决AI在自动运行中如何真正理解世界这一决定系统未来发展上限的核心命题。