世界模型该保留多少信息？搜索与最后选择需要不同答案

图4为什么出现“最后一步只用一比特几乎无损，搜索时却明显变差”的结果？

1. 1

   固定目标与候选，定义信息层级

   相同动力学必然给相同代价向量，再以固定平局规则得到相同最优动作；反过来不成立。所有候选代价误差≤ε时，所选动作后悔值≤2ε。该保证依赖固定候选及统一误差界，不意味着实际学到的一比特表示普遍足够。

2. 2

   在离散瓶颈后使用匹配读出器

   碰撞和双摆把观察编码为可变长VQ消息，再冻结编码器、重训共同评分器，分离表示与输出头差异。报告的是实际编码流平均比特，依赖分布、熵编码和插值，不能称为单次物理场景的普适信息下限。

3. 3

   区分CEM搜索与最终候选选择

   图4b交叉使用完整预测或一比特消息：同一批最终候选可只保最优索引，但CEM更新需要精英集合，MPPI还需要相对权重。早期排序出错会改变后面采样分布，最终再恢复精确信息也救不回未找到的候选。

4. 4

   把目标放进提议，保留可复用物理预测

   图4c先富后简优于先简后富，提示按搜索阶段分配容量。进一步用目标条件提议器寻找方向，物理模型只看观察和动作，结果可按不同目标重评分；这是完整接口比较，Joint还改变训练动作暴露，不能只归因为是否输入目标。

以下为作者报告；已阅读 v1 全文及可用附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。

已读v1全文与附录A–H；未核实专属实验实现及训练模型公开。

LICENSE实现许可未确认；论文图4为CC BY-NC-SA 4.0，保留原图及来源。