课程进度 课程大纲 已发布 48/48 课
第 0 部分——阅读指南：我们究竟要学什么？
第 1 部分——世界模型：智能体内部的沙盒
第 2 部分——把图像变成状态：LeWM 架构
第 3 部分——防止模型作弊：预测损失与 SIGReg
第 4 部分——让模型行动起来：在潜在空间中规划
第 5 部分——工程复现：从论文到可运行系统
第 6 部分——LeWM 究竟学到了什么？
第 7 部分——为什么“预测准确”仍可能“规划很差”
第 8 部分——从复现者到研究者
附录
先看全景
- 冻结一次失败相同回合、随机种子、候选。
- 向后排查从执行回溯到数据。
- 每次替换一层换成测量或预言机对应项。
- 只提出最小主张保留其他可能解释。
一个小故事
医生听到一句“病人无法移动”。原因可能是肌肉、神经、药物、疼痛，也可能只是监视器没有接好。替换一切也许能消除症状，却会破坏诊断。
LeWM 智能体静止不动，可能意味着表征崩塌、动力学听不见动作、代价平坦、CEM 样本糟糕、反归一化把动作归零，或一堵墙挡住了有效命令。应从一个冻结的失败样本开始，而不是从自己最喜欢的理论开始。
真正规则
从最后一个物理事实开始反向排查：
- 环境收到了预期的原始动作吗？
- 反归一化动作有变化，并且通过裁剪了吗？
- CEM 的提议分布和精英发生变化了吗？
- 候选代价有变化吗？
- 滚动展开会正确响应动作吗？
- 表征保留了所需差异吗？
- 数据窗口、时序和动作有效吗？
记录每个接口的两侧。只说“选定动作”并不完整，必须说明它是归一化值、裁剪值、重复动作、动作块级数值，还是环境单位。冻结规划器随机性和候选 batch。
为了检查动作利用，应固定一段历史，把记录动作、交换动作、归零动作和置换动作，分别与相应环境转移比较。输出发生变化，比非零梯度更有力；但如果变化方向错误，结果仍然是错的。
对于自反馈失败，使用同一段记录动作，分别在记录上下文路径和自反馈路径中重放。标记第一次分歧，并按门口、接触和支持范围切片。在这项更简单的比较可以解释之前，不要引入 CEM。
可能骗过我们的把戏
两段最终视频都显示一个不动的点。
智能体一： 候选和滚动展开都有变化；CEM 更新正确；但代价平坦，因为当前嵌入被错误复制到了目标位置。预言机代价能够区分冻结候选。
智能体二： 代价能够区分，CEM 也选择了很强的动作；但错误的归一化列在环境执行前把它变成了零。
症状相同，最早可观察到的断点却不同。
其他具有区分力的测试包括：
- 代价平坦：验证目标身份、广播、终端分布、打乱后的目标，以及预言机任务进度；
- 覆盖不足还是程序错误：把支持范围图谱与已知转移重放、极少量重复转移拟合交叉检查；
- 极小样本过拟合：按顺序增加复杂度——一个转移、同一上下文下的两个动作、一段短序列，再到门口/接触；
- SIGReg 主导：记录各项损失和模块梯度、分布宽度、预测，以及受控权重扫描；
- 小 batch：跨 batch 和随机投影重复统计，统计每个相对时间位置的不同样本数，并改变组成。
增加投影方向无法创造缺失观测。梯度累积也不会扩大 batch 级 SIGReg 检验实际见过的群体。
实验凭据
修复之前，归档源代码版本、检查点哈希、组合后的配置、数据集索引、原始观测、归一化与原始动作、候选 batch、代价和随机状态。
冻结 SIGReg 权重是 0.09；方法文字在没有另行说明时写作 0.1。PushT 的高权重消融只适用于特定任务，不是通用安全区间。只有在受控权重下，留出动力学和行为也发生变化时，较大的打印损失或梯度才足以称为“主导”。
诊断树是围绕 LeWorldModel v3 原始路径，以及冻结的 jepa.py、train.py 和 eval.py 构建的教程结构，提交为 8edfeb3。预言机修复只会在该项测试下把疑点指向被替换层；绝不能证明所有未替换层都正确。
快速检查
- 为什么固定动作重放必须先于规划器调优？
- 对一个不动的智能体，什么证据可以推翻“CEM 坏了”？
- 最早可观察到的断点与唯一根本原因有何不同？