推荐理由：Tripo AI 搞了个新世界模型 Project Eden，先建好地图再渲染，物体不会消失，还能多人同在一个世界。刚融资 2 亿美元，值得关注。

推荐理由：Qwen做了个新Agent模型Paradigm II，不用额外训练就在终端、编码、搜索和工具调用任务上全涨分，尤其没见过的任务也管用。

推荐理由：阿里Qwen造了个能模拟7种环境的AgentWorld，在AgentWorldBench上干掉了Claude和GPT最新版，训练智能体不用真实环境也能更强，零微调迁移呢。

推荐理由：这篇论文用循环架构解决了世界模型长程预测的计算瓶颈，参数省了100倍还能自适应深度，做仿真和规划的研究者值得看。

推荐理由：这篇论文戳破了“数据足够就能预测一切”的常见假设，做因果推断、反事实推理或世界模型研究的开发者会看到理论上的新边界——原来预测器天生缺失跨世界耦合信息，而WorldKernel给出了补全它的数学框架，值得细读。

推荐理由：李飞飞把混乱的“世界模型”概念拆清楚了，做空间智能、机器人或 3D 生成的研究者值得一看，能帮你快速对齐行业术语和方向。

推荐理由：具身智能赛道迎来中国玩家登顶，做机器人或世界模型研究的团队值得关注 Kuawei 的技术路径，看看他们如何用数据引擎超越国际对手。

推荐理由：做 AI 研究或产品的人经常被「世界模型」这个词搞混——李飞飞帮你拆清楚了，看完能少走弯路，建议点开。

推荐理由：世界模型是 AI 的下一个前沿，做机器人或自动驾驶的团队可以直接用 Boundless 开源代码加速研发，值得关注。

推荐理由：Ethan He 对 AI 前沿的预判直击要害，做视频生成、智能体或世界模型的开发者看完会有启发——尤其是关于迭代速度和智能体方向的洞察，值得点开细品。

推荐理由：物理 AI 开发者终于有了开放生态——Runway 和 NVIDIA 牵头开源世界模型，做机器人或自动驾驶的团队可以直接参与共建，值得关注。

推荐理由：智元用 2B 参数模型在具身智能世界模型赛道击败英伟达等巨头，做机器人或具身智能的开发者值得关注——轻量化方案可能改写行业路线。

推荐理由：做机器人或具身智能的团队终于有了能理解任务目标的模型——WALL-WM 从像素预测升级到事件理解，直接降低训练成本，做自主导航或操作任务的开发者值得关注。

推荐理由：这篇论文给自监督学习社区一个清晰的数学答案：什么条件下模型真的在学世界模型。做表征学习或世界模型研究的开发者，看完会对 LeJEPA 的能力边界有更硬核的理解。

推荐理由：多智能体系统开发者终于有了能处理超过两个智能体的世界模型——Gamma-World 解决了传统双玩家建模的瓶颈，做游戏 AI 或机器人协作的团队值得关注。

推荐理由：蔚来这次把端到端控制直接做到方向盘和踏板上，省掉轨迹翻译环节，开智能驾驶的体验会更丝滑。做自动驾驶或关注车企技术路线的开发者值得点开，看看三层训练框架怎么让模型既拟人又合规。

推荐理由：世界模型智能体的安全性评估一直缺乏自动化工具，做对抗攻击或鲁棒性研究的团队可以直接用这个框架替代手动调参，省时且结果更可靠。

推荐理由：Marcus 点出了LLM的核心短板——缺乏显式世界模型，做AI推理和知识表示的开发者值得关注，看完会重新思考LLM的局限性。

推荐理由：Marcus 和 Hassabis 点出了当前 LLM 的根本局限——文本无法替代真实体验，做 AI 研究或关注 AGI 方向的开发者值得深入理解世界模型为何是下一关键突破。

推荐理由：世界模型是 AI 从“鹦鹉”走向“真正理解”的关键一步，做 AI 研究或关注 AGI 路径的人，这篇特刊的阵容和问题清单值得细读。

推荐理由：视频生成模型常被当作世界模型，但几何一致性是硬伤——PDI-Bench用定量方法暴露了现有模型在3D结构上的系统性失败，做视频生成或世界模型研究的团队值得用它来诊断自己的模型。

推荐理由：自动驾驶研究者终于有了一个统一 VLA 与世界模型的开源方案——OneVL 在精度和速度上均优于现有方法，做端到端驾驶或世界模型开发的团队可以直接拿来用。