结论

布朗大学、冷泉港实验室、Mila与纽约大学等团队在北京时间2026年10月20日首次公开预印本AnyGoal，研究世界模型能否超越专家轨迹的联合覆盖实现可复用的动力学泛化。作者提出以组合泛化为判定标准，并发布基于4类常用环境构建的8个目标偏移变体基准与开源库。作者报告，跨多环境与多类世界模型家族，现有模型在仅重组已见状态因子与动作的新组合上普遍失效，例如在Push-T上训练的模型在仅需熟悉二维导航的Avoid-T变体上明显下降。该结论为作者在受控仿真中的单次报告，论文为arXiv v1预印本，未经同行评审，需独立复现，不能视为普遍或因果事实。arXiv记录v1提交为2026年10月19日17时59分05秒UTC，对应北京时间10月20日1时59分05秒，落入当日窗口。

研究主体与论文状态

研究主体是离线训练的世界模型，不是新基础大模型发布。作者包括Heejeong Nam、Divyat Mahajan、Quentin Le Lidec、Randall Balestriero与David Klindt，归属涉及布朗大学、冷泉港实验室、Mila与纽约大学等。论文题为AnyGoal: On World Model Generalization Beyond Expert Rollouts，学科为cs.AI，评论仅标注项目页，未标注会议接收或期刊评审结论，编辑按预印本处理。同一工作暂无满足当日门槛的独立交叉来源，正文严格区分作者结论与编辑解释。

方法与组合泛化定义

作者形式化了可复用动力学应支持的组合泛化：训练与测试共享底层转移动力学，测试不引入新的物理因子、动作或视觉因子，仅引入训练联合支撑中缺失的新组合。作者指出，离线数据多来自目标导向策略，状态与动作强相关，模型可能退化为行为预测，即在欠覆盖区忽略输入动作而复现训练行为分布。AnyGoal为此保留各因子边缘支撑与物理规则不变，仅改变由训练行为分布诱导的联合组合，并以核密度估计等因子级支撑检查验证目标变体落在组合空间内而非外推。评测采用相对基线任务的对比口径，避免单一绝对分数误导。

数据范围与评估条件

基准基于4类常用世界模型环境：TwoRoom、Push-T、DMC Manipulator Insert-Peg与OGBench Cube，共构建8个变体，每个基任务含自由空间变体，接触丰富任务另含一至两个变体。每变体发布400回合，并提供数据生成工具与评测接口。单状态因子与动作均在训练支撑内，组合在专家轨迹中欠表示。被测对象覆盖生成式世界模型与JEPA式架构等多家族，以及从真值状态出发的仅预测器对照。评估维度包括动力学预测、表征学习、交互区间与评测指标，重点考察目标偏移下的组合缺口，而非新物体或新物理外推。

主要结果

  • 作者围绕基准有效性、失效广度与失效来源报告结果。第一，支撑检查显示目标变体满足边缘分布内、联合组合欠覆盖的组合缺口设定，具备作为可复用动力学检验的前提。第二，在上述受控设定下，作者报告现有模型跨环境与家族一致出现泛化下降，Push-T到Avoid-T的示例中，模型在偏差区域动作敏感度降低，倾向复用靠近物块的训练常规而非响应输入动作。第三，失效既可来自动力学预测，也可来自端到端模型的表征学习，其严重程度随任务复杂度、评测指标与模型家族变化。第四，作者提出面向组合泛化的理论方向，认为未来模型需超越行为偏置轨迹。以上均为论文内受控对比结果，未经独立验证。

作者报告8个目标偏移变体上现有世界模型家族普遍下降；Push-T训练模型在Avoid-T等仅重组熟悉导航的变体上失效；动作干预显示欠覆盖区模型对动作敏感度下降，学到行为捷径；失效同时涉及动力学与表征层面，并随任务与指标变化。

限制与评审状态

该工作为arXiv v1预印本，尚未确认为同行评审论文，所有领先性与失效表述均为作者自述，未经独立验证。评估限作者选定的4类仿真环境与8个目标偏移变体，未覆盖真实机器人、开放环境与跨视觉域的普遍失效。组合缺口判定依赖作者的因子划分、核密度估计与支撑阈值，阈值与实现选择可能改变结论。开源库与400回合每变体数据的可用性、许可与维护状态未经本站当日核验，不作可用性承诺。局部基准结果不得扩写为行业普遍结论。

潜在意义

编辑解释：若后续复现成立，该工作提示世界模型评测不应止于同分布回放精度，需显式检验对已见因子新组合的动作条件预测，为离线数据覆盖不足时的规划可靠性提供可复用诊断。但在同行评审与跨环境、跨模型、真实任务验证完成前，不宜将其视为对现有世界模型路线的否定，也不宜直接指导选型或采购。读者可将其理解为一次有明确边界的方法与基准提示，而非对泛化问题的最终结论。

时效与来源说明

本文关键事实仅来自arXiv当日论文页，未为补充背景抓取往日页面。arXiv摘要页明确给出标题、作者、摘要结论、学科分类与带时区的提交历史，可换算为北京时间当日；全文HTML补充作者归属、方法细节与基准构成。同一工作暂无满足当日门槛的独立交叉来源，因此正文严格区分作者结论与编辑解释，并标注未经独立验证。媒体决策为not_applicable，本文类型无媒体字段，未臆造图表与图片。