ReWorldModel：重新思考潜在世界模型中的视觉表征学习

基于摘要分析。本文研究面向动作条件未来状态预测的视觉潜在世界模型，提出 ReWorldModel（ReWM），通过跨编码深度访问特征，缓解表征完整性与可预测性之间的权衡。研究对象是视觉表征及下游控制，并非 EEG 解码或 BCI。 核心机制是 Mixture-of-Depths Attention（MoDA）：由高层查询选择性检索编码器较早层的低层特征，使紧凑的高层抽象能够利用细粒度空间与几何信息。模型同时采用更新的 Transformer 设计以改善优化和空间建模，但摘要不足以确认其具体结构或各组件的独立贡献。 作者报告，完整 ReWM 在五项任务中的四项达到 100% 成功率，在 PushT 上平均成功率为 99.0%；相较按官方配方训练的 LeWM，ReWM 达到 PushT 95% 成功率所需处理的训练序列减少至五分之一。另在共享训练配方、三个配对随机种子的受控比较中，ReWM 变体在八次编码器更新时将 Reacher 成功率提高 74.4 个百分点，并在 Reacher 和 TwoRoom 上以八分之一的更新次数达到 95% 成功率。这两组结果的模型版本、训练配方及效率计量单位不同，不宜混合比较。 作者报告，逐层探测显示位置、朝向与交互信息沿编码深度逐步组织，最终预测表征保留更丰富的控制相关结构。该证据支持作者关于跨深度访问改善表征权衡的解释，但任务划分、成功率统计方式、完整基线、消融及不确定性尚未验证，需结合全文核对。 平台推测（待验证）：可迁移的候选机制是跨层检索，而非视觉控制结果本身。假设 EEG 编码器不同深度也保留互补信息，可改造查询与特征接口以处理时间及通道结构；低信噪比、被试差异和小数据可能使低层检索放大噪声。一个可证伪的小实验是在具有运动学标签的 EEG 数据上，固定骨干与训练预算，比较末层解码和跨层检索的跨被试表现。现有 EEG 相关工作尚未检索确认。