在世界模型這條路上，行業一直卡在一個幾乎無解的矛盾里：想要更真實的長程模擬，就必須給模型更深的計算；可一旦把模型做得更深，部署成本、參數規模和誤差累積又會迅速抬頭。結果就是，大家都知道世界模型要 “想得更久”，卻很難讓它在現實系統里 “算得起、跑得穩”。

臉譜心智的這份技術報告想解決的，正是這個老問題。為此，他們提出了 Looped World Model (LoopWM)：一種面向世界建模的循環式架構。它不靠無止境地堆參數來換能力，而是讓同一個參數共享的 Transformer 模塊在潛空間里反復迭代，對環境狀態進行逐步精煉。換句話說，不是簡單把模型 “做大”，而是讓模型在關鍵時刻 “多想幾輪”。

如果把這件事說得更直白一點：傳統世界模型更像是一錘子買賣 —— 每個狀態轉移都分配固定計算量，不管這個轉移是簡單還是復雜；而 LoopWM 想做的，是讓模型擁有一種 “按需思考” 的能力。簡單步子少算一點，復雜步子多算幾輪，把計算真正花在需要它的地方。

• 論文標題： Looped World Models
• 論文類型： Technical Report
• 論文鏈接： https://arxiv.org/abs/2606.18208
• PDF： https://arxiv.org/pdf/2606.18208

核心結論：通過參數共享的循環 Transformer 塊迭代優化潛狀態，LoopWM 將 “迭代潛深度” 引入為世界模型新的 scaling axis，并在保持穩定長程 rollout 的同時，實現最高可達100× 參數效率

Looped World Models：臉譜心智到底做了什么？

LoopWM 的整體架構并不花哨，但非常明確：它由觀測編碼器、動作嵌入器、循環動力學核心，以及預測頭四部分組成。真正關鍵的是中間這套Looped Dynamics Core。臉譜心智把它拆成了三個部分：Prelude、Recurrent Block 和 Coda。Prelude 負責把前一時刻狀態、當前觀測和動作先整理成適合推理的表示；Recurrent Block 是核心，負責用同一組共享參數反復更新潛狀態；Coda 則在循環結束后，把最終的潛表示整理成可供預測頭解碼的輸出。

這里最重要的變化，是臉譜心智把 “模型深度” 從參數層面解耦出來了。傳統更深的模型，往往意味著更多層、更多參數、更多顯存和更高推理成本；而在 LoopWM 里，更深的計算不再必然對應更大的模型，因為臉譜心智是在重復使用同一個塊。這讓 “計算深度” 第一次可以作為一種相對獨立的擴展維度存在，而不必總是綁定在參數膨脹上。

第一層關鍵：不是多堆層，而是反復 “打磨” 潛狀態

世界模型最怕的，不是某一步預測稍微錯一點，而是這個誤差一路滾下去，最后把整條軌跡帶偏。LoopWM 的思路是，不把下一狀態看成 “一次前向傳播立即拍板” 的結果，而是把它看成一個可以在潛空間里逐步逼近、不斷修正的對象。循環式更新的價值就在這里：它讓模型能夠把一次狀態轉移，當成一個需要多步精煉的計算過程，而不是一次性決定的輸出。

這件事聽上去像工程技巧，實質上卻觸到了世界建模的核心。真實環境的演化本來就不是 “一步到位” 的，它更像是某種穩定規律被持續施加的結果。LoopWM 借由共享更新算子反復作用于潛狀態，某種程度上讓模型的計算圖，和環境動力學的迭代結構更接近了。

第二層關鍵：循環可以很強，但前提是必須穩定

循環模型的美妙之處，在于它能反復推；循環模型最危險的地方，也在于它能反復推。因為只要狀態更新稍有失控，隱藏狀態就可能在多輪迭代中迅速爆炸。為了解決這個問題，臉譜心智在 LoopWM 里加入了譜穩定性約束。具體來說，臉譜心智對狀態保持矩陣做了特殊參數化，使其特征值被限制在穩定區間內，從而保證循環更新在數值上是收縮的，而不是發散的。

這一步的意義，不只是 “訓練更穩” 這么簡單。它實際上為長程 rollout 提供了一個底層保證：即使內循環次數增加，潛狀態也不會輕易失控。對于世界模型而言，這種穩定性非常關鍵，因為長時間模擬最怕的不是局部誤差，而是誤差在不斷自回歸中被層層放大。

第三層關鍵：讓解碼別太勤快，先在潛空間里把事情想明白

除了循環本身，臉譜心智還提出了一個很實用的設計：Deferred Decoding。直白說，就是在多步 rollout 時，不再每走一步都急著把潛狀態還原成觀測，而是先在潛空間里連續推演，等到真正需要輸出的時候再做解碼。

這背后的邏輯很樸素：如果模型每一步都要把內部狀態翻譯回顯式觀測，它的計算就會被頻繁打斷，推理成本也會上去。而延遲解碼讓模型可以把更多精力放在潛空間中的長期結構建模上。論文實驗也表明，隨著 rollout 步數增加，Deferred Decoding 的收益會更加明顯，它不是一個 “錦上添花” 的小優化，而是長程推演能力中的關鍵拼圖之一。

第四層關鍵：不是所有狀態都值得算一樣久

LoopWM 還有一個很重要的能力，是early exit。模型在推理時可以通過一個輕量門控機制，動態判斷當前狀態是否已經 “想夠了”。如果一個轉移足夠簡單，模型就提前結束循環；如果是更復雜的交互，比如需要更精細的狀態修正，就繼續多迭代幾輪。

這意味著，LoopWM 不僅把計算深度變成了新擴展軸，還讓這條軸具備了自適應屬性。它不是對所有輸入一視同仁地加算力，而是讓不同難度的狀態轉移匹配不同的計算預算。放在真實部署里，這種 “按復雜度付費” 的計算方式，比固定深度模型更有現實意義。

結果說明了一件事：世界模型的 scaling，不只有 “做大” 這一條路

在實驗部分，臉譜心智把 LoopWM 放到了ScienceWorldAlfWorld等任務環境中進行評估，并與多種強基線做比較，包括Claude-opus-4-6-max、Qwen-3.5-flash、Gemini-3-flash-preview-thinking等模型。

結果很直接。在 ScienceWorld 上，約1B 參數規模的 LoopWM 取得了68.4% EM、85.3% Token F1、80.7% BLEU-4、83.9% Entity的成績，整體上顯著超過了Claude-opus-4-6-max 的 47.2% EM 和 72.8% F1。更值得注意的是，在Lifespan這樣的任務上，論文報告 LoopWM 將得分從0% 提升到 100%。這不是那種 “邊角料式” 的改善，而是說明循環潛深度對某些長程推理場景，可能確實帶來了結構性收益。

在 AlfWorld 上，LoopWM 也拿到了51.6% EM、80.4% Token F1、71.6% BLEU-4，并在 BLEU 指標上表現突出。更關鍵的是，這些結果不是靠一個超大閉源模型換來的，而是在約 1B 參數量級上實現的。換句話說，論文真正想證明的，不只是 “我臉譜心智又把榜單刷高了一點”，而是：在世界模型里，參數效率和模擬質量未必天然對立

真正值得關注的，不是 “100× 參數效率” 這句口號本身

論文摘要里最吸睛的一句話，是 LoopWM 相比傳統做法最高可實現100×參數效率。這當然很亮眼，但我認為更值得行業認真看的，其實是背后的方法論：世界模型也許需要一條不同于語言模型 “堆參數、堆數據” 的擴展路徑

過去我們談 scaling，通常只盯著兩件事：模型有多大、數據有多少。LoopWM 提出的，是第三個方向 ——迭代潛深度。它與參數規模、訓練數據規模正交，意味著即便在參數預算有限的情況下，模型仍可能通過更合理的內部計算過程獲得能力提升。這一點對資源受限部署尤其關鍵，因為它提供的不是 “更貴的上限”，而是 “更聰明的計算方式”。

這篇技術報告最后想回答的問題其實很簡單

如果你把世界模型理解成 “一個學習環境規律、并在內部復現環境演化的系統”，那么它不應該只會更快地輸出答案，它還應該會在需要的時候多做幾輪內部推演。LoopWM 的意義，就在于把這種能力從直覺變成了架構。它首次把 looped transformer 真正帶進世界建模，把 “共享參數 + 迭代精煉 + 穩定循環 + 自適應計算” 組合成了一套完整方案。

這項工作提供的，不只是一個新模型，更是一種新的看法：世界模型的未來，不一定是永遠更大；也可能是讓同樣的參數，學會更有層次地思考