模型库的对照组回答的是「通用大模型还缺什么」——一个长期答案为「否」的问题。这一页回答对称的另一问：前沿侧这个月递了什么给世界模型。这里收的不是模型，是协议、方法、议题这类挂不到模型库上、却真实影响六条路线的东西。
每条都标了关联强度。这套分级刻意比能力矩阵多两档：绝大多数「前沿进展将赋能世界模型」的说法目前停在论证层面——有清晰的因果推理，但没有人跑过实验。把它算作「有演示」是撒谎，算作「无」是抹掉，所以单列 🔵 有论证，无实验 与 ⚪ 仅有主张 两档。
方向和直觉相反：不是 RSI 顺带产生世界模型，而是世界模型是 RSI 走出数字域的前置条件——因为物理世界没有便宜的验证器。
2026 年，「让模型参与改进自己」从思想实验变成了一条正经研究线。一篇综述梳理了 2024–2026 年间的 1250 篇 arXiv 论文，按两个维度给这些工作分类：改的是什么（行为、策略、评估器，还是研究流程本身），以及闭环闭到什么程度（需要人介入，还是完全自主）（arXiv:2607.07663）。
同年 ICLR 专门为此办了工作坊（ICLR 2026 Workshop on Recursive Self-Improvement），与另一个 World Models 工作坊同期举行。
先说那篇综述里最关键的一句话：它把自我改进用到的评估器排成了一个强弱序列——最强的是形式化验证器（formal verifiers），最弱的是模型对自己的内省式打分（intrinsic self-assessment）（arXiv:2607.07663）。
这句话解释了 RSI 为什么先在代码和数学上发生，而不是别处：那两个领域有便宜且可靠的验证器。改完一版代码，编译器和测试套件立刻告诉你有没有变好；改完一步证明，形式化检查器立刻判定对错。自我改进这个环之所以能闭上，是因为「判断有没有变好」这件事几乎不要钱。
物理世界没有这样的东西。想知道一个新的机器人控制策略是不是更好，标准答案是把它放到真机上跑——慢、贵、会摔坏硬件、还不可重复。这正是世界模型被期待去填的位置：一个可以反事实推演、可以随便重跑一万遍的廉价验证器。所以这条传导的方向是「世界模型 → 让 RSI 得以进入物理域」，而不是反过来。
这条关联现在有了实测数字，不再只是推理。《World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry》把「预测动作条件下的下一个状态」拆成两个更容易的验证任务——判断状态是否合理、判断动作是否可达——利用两种不对称性：状态验证可以用大量无动作标注的视频，动作验证只需在低维的动作相关特征上做稀疏逆模型。作者来自斯坦福、加州大学圣迭戈分校、卡内基梅隆、Google DeepMind 与哈佛。
结果是世界模型学习的样本效率提高约 2 倍，下游策略表现提升约 18%，在 MiniGrid、RoboMimic、ManiSkill 三套任务上预测误差都有下降，低数据情形下增益最明显。这篇论文同时拿了 ICLR 2026 World Models 工作坊的 Outstanding Paper 和 RSI 工作坊的 Spotlight——两个工作坊同时表彰同一篇，本身就是这条传导存在的一个证据。
反方的意见同样成立，而且指向要害。按杨立昆一派的立场：数字域的自我改进之所以奏效，靠的是可验证的奖励信号，这是一种搜索问题；而物理域的核心困难在表征——你连「世界现在是什么状态」都还没学对，再快的搜索也只是在错误的空间里打转。照这个说法，RSI 在代码上的成功不构成任何迁移证据。需要注意的是，World Action Verifier 验证的是「自我改进能让世界模型变好」，而不是「世界模型能让 RSI 进入物理域」——后半句仍然只有论证，没有实验。
它一行动力学预测能力都不提供，但它降低的恰恰是能力矩阵「真实世界」那一列最贵的东西——把模型接到真机上的成本。
2026 年 8 月 27 日，Anthropic 发布 Model Hardware Standard（MHS）的研究预览，面向第一批科研实验室与先进制造企业开放。它是一份让 AI 智能体安全操作物理设备的共享规范。
技术上它做的是一件朴素的事：定义一个标准化驱动，把设备操作收敛成 read（例如「读取温度」）与 write（例如「设定温度」）这样一组极简原语，任何硬件都能理解；同时让设备以标准格式可被发现，设备与智能体不需要中间那个定制「翻译层」就能跨网络找到彼此。官方称，实验室或产线原本需要数周乃至数月的硬件集成工作，可以压缩到数小时甚至数分钟（官方口径）。
首批合作方覆盖科学、机器人、电子与制造领域，公开报道提到的包括 Genentech、卡内基梅隆大学、QuEra、Universal Robots、Doosan Robotics、AWS、Danaher 与 Hugging Face。Anthropic 表示会先与合作方一起建立安全评估与最佳实践，之后再把标准开源（官方口径）。
先把它放对层级：MHS 是接口，不是能力。它不预测任何东西，不知道推一下杯子会不会倒，也不在任何意义上建模世界的动力学。任何把它讲成「Anthropic 做世界模型了」的说法都错了。
它真正触到的是这个站的一个长期痛点。翻一遍能力矩阵会发现，「真实世界」是最空的一列——绝大多数模型在这一格是空白，因为填上它需要真机数据，而真机数据贵在两件事上：机器人本身，以及把模型接到机器人上的那一堆定制集成工作。MHS 直接冲着第二件去。
如果它真的开源并被硬件厂商广泛采纳，后果是采集真机证据的边际成本下降。这对世界模型的意义不在于让某个模型变强，而在于让「你这个模型到底能不能在真实世界里用」这个问题变得更容易回答——对一个以证据强度为核心的站点来说，这恰恰是最要紧的变化。
强度只能给到「有论证，无实验」。MHS 现在处于研究预览，仅向第一批合作方开放，尚未开源，也没有任何公开数据说明它实际压缩了多少世界模型相关的数据采集成本。「数周压缩到数小时」是官方对硬件集成工作本身的口径，不是关于世界模型的度量。
更要紧的是那条推理链有几处可能断掉。一是采纳：标准之争从来不是技术优劣决定的，Universal Robots 与 Doosan 加入不等于行业收敛。二是错配：MHS 的示范场景是实验室仪器与制造设备——显微镜、液体处理器、激光校准，这类设备的动作空间与世界模型关心的接触丰富的操作任务并不重合，能不能迁移到后者是未知数。三是最根本的一条：接线便宜了，不等于数据变好了。世界模型缺的从来不只是数据量，还有数据的多样性与覆盖面，而这两件事协议解决不了。
反过来说，这条传导值得留在这里持续观察，理由是它罕见地具体。绝大多数「前沿模型将赋能具身智能」的说法停留在愿景，而 MHS 是一份有原语定义、有合作方名单、有开源承诺的规范。到 2026 年底它是否真的开源、有多少设备厂商实际实现，是可以逐月核对的事实，不是可以来回争论的判断。