待验证50% 置信事实精确时间

预测能力通常通过学习转移模型实现：给定当前状态和动作，模型预测下一状态

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

世界模型解析：预测、想象与规划的AI新范式

涉及实体

转移模型concept

相关事实

已验证世界模型本质上是学习环境的动力学方程——给定当前状态和动作，预测下一个状态78% 相似待验证下一视角预测作为训练目标能迫使模型学习空间一致性、视角变换关系以及场景的隐含结构78% 相似待验证理想的世界模型在给定当前状态和动作后预测下一个状态，这种下一帧预测能力与视频生成有相通之处74% 相似待验证到站时间预测的现代系统引入概率性预测模型，如卡尔曼滤波用于实时状态估计或基于历史数据的机器学习模型74% 相似已验证预训练的核心目标是让模型具备预测下一个词（Predict Next Token）的能力，基于Transformer架构中的因果注意力机制73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/998375

API

curl https://kongchang.com/api/v1/knowledge/claims/998375

MCP

get_claim(id=998375)