国产 LoopWM 登顶 HF：让世界模型学会"多想几轮"

一家中国初创，把世界模型的 scaling 轴又往前推了一格

7 月 1 日凌晨，Hugging Face Daily Papers 榜首挂着一篇来自中国团队的论文：《Looped World Models》。作者是一家叫"脸谱心智"（FaceMind）的初创公司，投资方名单里能看到周鸿祎和陆奇的名字，Nvidia 官方账号也在 X 上转发点了赞。

对世界模型这条路线来说，这不是那种"又刷新了一个榜"的常规更新。它提出的东西更本质一点：给世界建模加了一条新的 scaling 轴——迭代潜深度（iterative latent depth）。翻译成人话就是，模型不用一味做大，也不用喂更多数据，而是学会在关键时刻"多想几轮"。

传统世界模型的老毛病：一锤子买卖

要理解 LoopWM 在解决什么问题，得先看清传统世界模型的结构性尴尬。

世界模型的核心任务是模拟环境演化——给一个当前状态和动作，预测下一时刻会发生什么。听上去和语言模型的 next token prediction 很像，但难度完全不是一个量级：语言模型只需要预测一个 token，世界模型要预测的是一整套物理规律在时间维度上的展开。

过去的做法基本是两条路：要么把模型堆到更大，要么把训练数据加到更多。但世界模型面临一个特殊的矛盾——长程模拟需要深计算，深模型又贵又容易累积误差。你把 Transformer 层数加到 100 层，一次前向确实更精细，但每步 rollout 都要跑这 100 层，几百步之后延迟直接爆炸，而且误差会在自回归里被层层放大。

更别扭的是，传统架构对每个状态转移都分配固定计算量。不管这一步是"苹果从桌子上掉下来"这种简单物理，还是"多物体连锁碰撞"这种复杂交互，用的都是同样深的网络。这显然不符合真实世界的规律——环境演化本来就是有难有易的。

LoopWM 的思路：让同一组参数反复作用

脸谱心智的解法，是把 looped transformer 首次带进了世界建模。整体架构由四部分组成：观测编码器、动作嵌入器、循环动力学核心（Looped Dynamics Core）、预测头。前后三块都是常规操作，真正关键的是中间。

循环动力学核心又被拆成三段：

• Prelude：把前一时刻状态、当前观测和当前动作先整理成适合推理的初始表示
• Recurrent Block：核心部分，一组共享参数的 Transformer 块，对潜状态反复迭代更新
• Coda：循环结束后，把最终潜表示整理成预测头能解码的输出

这套设计里最反直觉的一点是 Recurrent Block 的参数共享。也就是说，如果你让模型迭代 8 次，它并不是在跑 8 层不同的 Transformer，而是同一组权重被反复调用了 8 次。参数量没变，但等效计算深度上去了。

这件事听上去像是工程小技巧，但脸谱心智想说的是：真实环境的演化本来就是某种稳定规律被持续施加的结果，共享更新算子反复作用于潜状态，让模型的计算图和环境动力学的迭代结构更贴近了。这是一种"架构层面的先验"，不是纯粹的算力堆叠。

两个关键设计：Deferred Decoding 和 Early Exit

光有循环还不够。在长程 rollout 里，两个配套设计才是让这套东西真正跑起来的关键。

Deferred Decoding（延迟解码）：多步 rollout 时，模型不再每走一步就急着把潜状态还原成显式观测，而是在潜空间里连续推演，等到真正需要输出的时候再解码。逻辑很朴素——每步都翻译回观测空间的话，计算会被频繁打断，长期结构建模也更难。论文里的实验显示，rollout 步数越长，Deferred Decoding 带来的收益越明显。

Early Exit（提前退出）：这是让模型学会"按需思考"的关键。一个轻量门控机制会在每轮迭代后判断——当前潜状态是不是已经收敛了？如果这一步转移足够简单，模型就早点跳出循环；如果是复杂交互，就多迭代几轮。这套自适应计算机制让 LoopWM 在推理时的计算开销真正做到"该花的花，能省的省"。

把这四件事拼在一起——共享参数、迭代精炼、稳定循环、自适应计算——LoopWM 就成了一套完整方案。

实验结果：1B 参数打赢闭源大模型

评测环节，脸谱心智把 LoopWM 放到了 ScienceWorld 和 AlfWorld 这两个经典的 embodied 任务环境里，对手包括 Claude-opus-4-6-max、Qwen-3.5-flash、Gemini-3-flash-preview-thinking 等一线闭源模型。

ScienceWorld 上，约 1B 参数的 LoopWM 拿到：

• EM：68.4%（对比 Claude-opus-4-6-max 的 47.2%）
• Token F1：85.3%（对比 72.8%）
• BLEU-4：80.7%
• Entity：83.9%

更夸张的是 Lifespan 这个子任务，论文报告 LoopWM 把得分从 0% 干到了 100%。这不是那种边角料改进，说明循环潜深度在某些长程推理场景里，可能确实带来了结构性的能力跃迁——之前的模型不是做得差一点，而是根本不会做。

AlfWorld 上：EM 51.6%、Token F1 80.4%、BLEU-4 71.6%，BLEU 指标特别突出。

所有这些结果的前提是——约 1B 参数。这就是那句让人眼前一亮的"最高 100× 参数效率"的来源。

值得盯着的不是"100× 参数效率"，是那条新 scaling 轴

看完摘要很容易被 100× 这个数字带偏，但我觉得这篇论文真正值得行业认真消化的，是它把"迭代潜深度"提出来当作一条和参数规模、训练数据正交的 scaling 维度。

过去几年，从 GPT-3 到现在，行业对 scaling 的想象基本被压缩成两件事：模型多大、数据多少。OpenAI 的 o 系列后来加了第三条——推理时计算（test-time compute），但那更多是在输出层面的"多想几步"。LoopWM 把这个思路进一步下沉到了架构内部：同一个参数化的算子，通过反复作用于潜状态本身，来提升模拟质量。

这条路对资源受限部署尤其有价值。它提供的不是"更贵的能力上限"，而是"更聪明的计算分配方式"——简单场景省算力，复杂场景多花几轮，同样的参数预算榨出更多能力。对具身智能、机器人、自动驾驶这类既要长程规划又要低延迟的场景来说，这个方向的意义远比又一个通用大模型 SOTA 重要。

当然也要冷静一点：循环模型的美妙在于能反复推，危险也在于能反复推。只要状态更新稍微失控，隐藏状态就会在多轮迭代里迅速爆炸。这也是为什么 looped transformer 在 NLP 领域早期尝试过但一直没大规模铺开的原因。脸谱心智在论文里花了不小篇幅讲怎么保证循环稳定性——这套稳定性能不能在更大参数量级和更长 rollout 下继续成立，还需要时间来验证。

一家不太一样的中国初创

脸谱心智这家公司之前在国内 AI 圈的声量并不大，但两条信息值得注意：

第一，投资方名单——周鸿祎和陆奇都进了。这两位的判断力在国内 AI 投资圈相当值得参考，尤其是陆奇，很少在具身智能/世界模型方向公开站台。

第二，Nvidia 在 X 上转了这篇论文。Nvidia 转论文本身不稀奇，但通常只发那些他们认为在 GPU 部署路径上有工程价值、或者代表某种范式转变的工作。LoopWM 的自适应计算特性对推理效率友好，这可能是被点名的原因之一。

国内做世界模型的团队不算多，做到能被 Hugging Face 榜单和 Nvidia 官方同时认可的更少。这次登顶不是终点，接下来要看的是——这套架构在更大规模、更复杂环境下能不能立得住，以及会不会有其他团队跟进复现。

模型权重和推理接入方面，OpenAI Hub 后续如果 FaceMind 开源了 LoopWM checkpoint，会第一时间加入模型池，一个 Key 就能调用，兼容 OpenAI 格式。世界模型和 LLM 的调用范式差别较大，我们也在准备针对性的接入文档。

参考来源

• Looped World Models — Hugging Face Papers：论文原文页面，Daily Papers 榜首
• World-in-World: World Models in a Closed-Loop World：相关方向工作，讨论闭环环境下的世界模型评测
• 本周最值得关注的论文 TOP10 — Hugging Face Blog：本周热点论文汇总，含世界模型相关工作