当世界模型的参数规模不断扩大、状态表征能力持续升级，制约其成为「内部模拟器」的核心瓶颈逐渐浮出水面 —— 动力学建模。世界模型不仅要「看懂」环境（状态表征），更要「推演」未来（状态演化），而后者长期缺乏系统性突破。南京大学 LAMDA 强化学习小组博士生林浩鑫，以连续两篇 ICLR 论文（2025 年 ADM、2026 年 ADM-v2）给出了破局方案，从「任意步直接预测」到「上千步完整时域推演」，持续推进世界模型的动力学建模能力，让其从「短程预测工具」真正迈向「近整回合级内部模拟器」。
一、世界模型的核心矛盾：动力学建模拖了表征能力的后腿
经典世界模型由两大核心模块构成：V 模型（状态表征）负责将高维观测压缩为紧凑的内部状态，解决「模型看到了什么」；M 模型（动力学建模）负责预测状态在动作作用下的演化，解决「模型如何推演未来」。过去几年，行业聚焦于 V 模型的优化，更强的编码器、更优的潜变量表示让状态表征精度不断提升，但 M 模型的发展严重滞后。
而动力学建模恰恰是世界模型价值落地的关键 —— 只有能稳定推演未来，智能体才能在模型内部完成「预演」，再与真实环境交互，这直接关系到模型型强化学习、离线强化学习、具身智能规划等核心场景的落地效果。传统动力学模型采用「单步自举式预测」：输入当前状态 St 和动作 at，预测下一状态 St+1，再将 St+1 作为输入预测 St+2，以此层层递推。这种方式在短程预测中有效，但长程推演时会暴露致命缺陷：
-
误差累积放大：单步预测的微小偏差会在连续推演中不断累积，导致轨迹严重偏移；
-
长程失稳：预测时域越长，模型偏差越明显，最终失去参考价值；
-
泛化能力弱：面对未见过的动作序列，误差传播会更剧烈，模型难以适应新场景。
因此，如何让动力学模型实现「长程推演误差可控、泛化能力强、不确定性估计可靠」，成为世界模型走向实用的核心命题 —— 这正是林浩鑫两篇顶会论文的核心探索方向。
二、ADM（2025 ICLR）：任意步直接预测，打破单步自举枷锁
2025 年，林浩鑫在 ICLR 发表《Any-step Dynamics Model》，首次提出「任意步直接预测」思路，彻底重构了动力学建模的推演逻辑，从根源上缓解误差累积问题。
核心创新：跨时域直接预测，缩短误差传播链
ADM（Any-step Dynamics Model）的核心突破在于：未来状态不必依赖上一步预测结果层层递推，可从更早的起始状态出发，结合一段动作序列，直接预测任意步数后的状态。其关键操作是「回溯（backtracking）」—— 模型从不同长度的历史视角切入，对同一未来状态进行多维度直接预测，通过这种方式重写推演路径：
-
传统路径：St→St+1→St+2→…→St+k（单步自举，误差每步传递）；
-
ADM 路径：St 直接预测 St+k（跨时域直达，误差传播链大幅缩短）。
这种设计让长程推演的误差不再逐步累积，稳定性显著提升。例如预测 100 步后的状态，ADM 可直接从初始状态 St 出发完成预测，而传统模型需经历 100 次误差传递，两者精度差距随步数增加呈指数级扩大。
轻量不确定性估计：无需模型集成，单模型实现可靠评估
离线强化学习中，模型不确定性估计是判断预测可靠性的关键，传统方法依赖「模型集成」（训练多个模型，通过预测分歧评估不确定性），成本高且效率低。ADM 提出更轻量的解决方案：利用同一模型在不同回溯长度下的预测差异，作为不确定性信号。
-
数据覆盖充分区域：不同回溯尺度的预测结果趋于一致，不确定性低；
-
数据稀疏或分布外区域：不同时间视角的预测分歧明显，不确定性高。
这种「内部集成」方式无需额外训练多个模型，即可实现可靠的不确定性估计，实验显示其与模型集成的相关性高达 0.98，接近甚至超越传统方案。
实验验证：策略性能全面超越强基线
基于 ADM 构建的 ADMPO-ON（在线强化学习）和 ADMPO-OFF（离线强化学习），在 D4RL 和 NeoRL 基准测试中表现亮眼：
-
离线场景：ADMPO-OFF 平均得分 81.0，超越 CQL（61.6）、MOPO（70.3）、MOBILE（80.0）等强基线；
-
在线场景：ADMPO-ON 样本效率显著提升，能更快收敛到最优策略；
-
误差控制：长程推演中，ADM 的误差增长速度远低于传统 RNN 动力学模型和模型集成方案。
ADM 的成功证明：动力学建模不必局限于单步自举路径，跨时域直接预测是缓解长程误差累积的有效方向。
三、ADM-v2（2026 ICLR）：上千步完整时域推演，迈向真正的内部模拟器
如果说 ADM 证明了「任意步预测的可行性」，2026 年的 ADM-v2 则实现了「从可行到实用」的跨越 —— 在离线强化学习设定下，首次将完整时域滚动推演（full-horizon roll-out）稳定推进到上千步规模，让世界模型真正具备「近整回合级推演能力」。
结构重构：状态初始化与动作演化分离
原始 ADM 在循环推演中会反复引入起始状态，导致内部表征与起点强耦合，影响长程推演灵活性。ADM-v2 对结构进行核心优化：
-
将起始状态编码为隐表示，作为循环单元的初始隐藏状态；
-
后续推演仅输入动作序列，不再重复引入起始状态；
-
明确「状态负责初始化，动作负责演化」的分工，提升多步预测的稳定性和灵活性。
这种重构让模型能更好地适应长序列动作驱动的演化，减少起始状态对长程推演的束缚。
PARoll 并行推演：让上千步推演落地
ADM-v2 提出「并行任意步滚动推演（PARoll）」，彻底解决了任意步预测的效率与可靠性问题。其核心思路是：长程推演中同时维护多个不同时间步幅的预测视角，并行生成未来状态，再通过视角间的差异估计不确定性。
PARoll 的价值不仅在于「并行提速」，更在于让上千步完整时域推演从「概念」走向「现实」—— 通过多视角交叉验证，模型能动态修正推演偏差，确保长时域下的预测精度，最终实现稳定的上千步推演。
从「学策略」到「评策略」：拓展动力学模型的应用边界
ADM-v2 的另一大突破是将动力学模型用于「离线策略评估」—— 在具身智能、离线强化学习等场景中，新策略往往无法在真实环境中反复试验，而 ADM-v2 的长程稳定推演能力，让「在模型内评估策略效果」成为可能。
在 DOPE 基准测试中，基于 ADM-v2 的完整时域推演评估，优于多种传统离线策略评估方法，其平均归一化绝对误差更低、排名相关性更高，首次验证了动力学模型可同时服务于「策略学习」与「策略评估」两大核心任务。
实验巅峰：性能与长程获益能力双突破
ADM-v2 构建的 ADM2PO-fh 在基准测试中创下新纪录：
-
D4RL 基准：平均性能 87.6，较此前强基线提升 4.6%；
-
NeoRL 基准：平均性能 79.0，较此前强基线提升 12.8%；
-
长程获益：与传统方法「推演越长性能越差」不同，ADM-v2 能持续从更长时域推演中获益，证明其长程推演的可靠性。
例如在 walker2d-medium-expert 任务中，ADM2PO-fh 得分 125.1，远超传统方法的 115.2，展现出强大的长程策略优化能力。
四、技术启示：动力学建模，世界模型的下一个必争之地
林浩鑫的两篇顶会论文，不仅提出了具体的技术方案，更为世界模型的发展指明了核心方向 —— 当状态表征能力趋于饱和，动力学建模将成为决定模型上限的关键。
核心启示一：推演路径重构比参数放大更重要
单纯扩大模型参数规模，无法解决自举式预测的误差累积问题；而 ADM 系列通过重构推演路径（跨时域直接预测），在不依赖超大参数的情况下，实现了长程推演能力的跨越式提升。这说明，动力学建模的核心矛盾是「推演逻辑设计」，而非「模型规模」。
核心启示二：长程可靠性是实用化的关键
世界模型的价值在于「内部预演」，而只有当推演能覆盖完整回合（上千步）且误差可控时，预演结果才具有决策价值。ADM-v2 的上千步稳定推演，让世界模型从「短程预测工具」真正迈向「数据驱动的内部模拟器」，为离线强化学习、机器人规划等场景的落地扫清了关键障碍。
核心启示三：多任务适配是动力学模型的未来
ADM-v2 同时支持策略学习与策略评估，证明动力学模型可成为通用的「环境模拟底座」。未来，随着多模态观测、复杂物理环境的适配，动力学模型有望成为通用智能体的核心组件，支撑更复杂的任务规划与决策。
结语：动力学建模开启世界模型新篇章
林浩鑫的连续两篇 ICLR 工作，系统性地解决了世界模型动力学建模的核心痛点，从 ADM 的「任意步直接预测」到 ADM-v2 的「上千步完整时域推演」，一步步推动世界模型走向实用化。这一系列成果不仅为离线强化学习、具身智能等领域提供了更高效的技术方案，更让行业意识到：模型规模扩大的同时，必须把动力学建模做对，才能让世界模型的能力真正落地。
对于机器人学习、通用智能体研发等前沿方向而言，ADM 系列的技术思路为解决「长程规划」「环境预演」等核心难题提供了全新范式。未来，随着动力学建模与多模态、复杂物理引擎的深度融合，世界模型有望真正成为「数字孪生环境」，支撑智能体在虚拟世界中完成充分训练与推演，最终实现更高效的真实世界落地 —— 而这一切，都始于对动力学建模的重视与突破。