世界模型驱动的AI Agent与社会模拟：从认知建模到群体智能｜世界模型读书会第四期

导语

大语言模型的惊艳表现曾让人们一度以为智能的曙光已近在眼前。然而，当我们在对话中追问物理常识、在社会现象中寻求因果解释时，这些模型却常常暴露出“能言善辩却缺乏理解”的窘境——它们可以生成流畅的文字，却无法在内部推演一块石头落地后的轨迹，也无法模拟一项政策出台后社会情绪的涟漪效应。这种“表层智能”与“深层认知”之间的鸿沟，正推动着人工智能研究从“预测下一个词”走向“预测世界的演化”。本期读书会为世界模型读书会读书会第4期，将围绕世界模型与大模型 Agent 建模仿真与计算实验主题展开，从认知智能的底层逻辑出发，一路探讨至社会系统的仿真推演，试图在这场从“理解”到“预见”的学术旅程中，捕捉下一代智能形态的雏形与方向。

集智俱乐部联合认知科学、具身智能、AI Agent、复杂系统与高阶网络等领域的研究者发起，围绕世界模型的思想源流、理论基础、技术路线与应用边界展开专题分享和讨论。读书会自2026年8月7日起，每周五晚19:30-21:30，将以“世界如何被表征、其动力学如何被建模、内部模型如何服务于智能体”为主线，尝试讨论整理世界模型统一框架。

报告简介

本次报告围绕世界模型与大模型 Agent 建模仿真与计算实验主题展开。首先梳理世界模型的概念起源，对比大语言模型与世界模型的能力差异，解析 V‑M‑C 经典框架以及合格世界模型需要具备的核心特质；接着系统梳理当前世界模型四大主流技术路线：视频生成、3D 空间生成、虚拟环境智能体训练、JEPA 抽象结构预测，分析各路线的优势与现实局限。在此基础上，将世界模型思想延伸到社会复杂系统，介绍复杂适应系统、HCPS 人机物融合系统，讲解 AI 与社会科学交叉的 AI4SS、SS4AI 两大分支，阐述 ABM 多主体仿真与计算实验方法，探讨如何利用大模型 Agent + 世界模型开展社会系统仿真推演，为政策评估、社会现象涌现分析提供仿真沙箱，同时讨论该方向现存挑战与未来研究方向。

分享大纲

1. 世界模型的概念起源

1.1 当前大模型的能力与能力边界，表层智能的局限

1.2 认知科学溯源：心智模型，想象‑模拟‑行动认知循环

1.3 V‑M‑C 世界模型经典框架与世界模型三大核心特质

1.4 大语言模型与世界模型的核心差异，学界研究共识

1. 世界模型四大主流技术路线

2.1 路线 A：视频生成路线（Sora、Genie3），优势与局限

2.2 路线 B：3D 空间生成路线（World Labs），优势与局限

2.3 路线 C：虚拟世界智能体训练（SIMA），优势与局限

2.4 路线 D：JEPA 抽象结构预测，优势与局限

2.5 四条技术路线横向对比总结

1. 面向社会系统：Agent 仿真与计算实验

3.1 社会复杂适应系统特征，HCPS 人机物融合系统

3.2 AI× 社会科学：AI4SS 与 SS4AI 两个研究分支

3.3 AI4SS 三类研究范式：数据驱动、计算模拟、可控实验

3.4 ABM 多主体仿真、人工社会与计算实验方法论

1. 研究总结与未来展望

核心概念

1. 世界模型：AI 在内部构建的对外部环境的表征体系，具备表示世界、预测未来、规划行动三大特质；行动前在内部完成状态推演模拟，不只是记忆知识，可预测环境时序变化，分为物理世界模型与社会世界模型。经典 V‑M‑C 框架将其拆解为视觉观察 V、记忆内部推演 M、控制行动 C 三个模块。

2. 大语言模型 LLM：以文本语料为基础，预测下一个 token，擅长语言生成、问答、创作；属于表层智能，缺少对现实物理、社会动态的原生建模能力，需要世界模型补充现实推演能力。

3. V‑M‑C 框架：2018 年提出的经典世界模型框架。V 负责视觉观察特征压缩；M 负责内部记忆与 “梦境” 模拟推演；C 在内部模拟环境训练控制策略，减少真实环境试错。

4. JEPA：Yann LeCun 提出的抽象世界模型路线，不预测像素画面，仅提取和决策相关的抽象表征，预测抽象状态的时序变化，降低算力消耗，聚焦事物内在因果结构。

5. ABM 多主体仿真（Agent‑Based Model）：计算实验的核心建模手段，通过构建大量异质 Agent 个体，设置个体行为规则与交互关系，自下而上涌现群体宏观社会现象。

6. 计算实验：针对社会这类不可做真实试验的复杂系统，在计算机构建人工社会仿真环境，开展可控虚拟实验，完成假设验证、政策推演、风险评估，规避现实试验的成本、道德与安全风险。

7. 复杂适应系统：社会系统典型特征，系统内个体具备适应性，会随环境变化调整自身行为，整体呈现开放性、非线性、自组织、涌现性、层次性，不能简单使用还原论方法分析。

8. HCPS 人机物融合系统：人、算法机器、物理实体三者深度耦合的社会信息物理系统，如网约车、智慧城市，是当前 Agent 仿真的重要应用对象。

9. AI4SS：AI for Social Science，利用人工智能技术作为工具，辅助开展社会科学研究，包含数据挖掘、建模仿真、虚拟可控实验等手段。

10. SS4AI：Social Science for AI，从社会科学视角，研究 AI 算法、智能体群体对现实社会产生的各类影响，研判算法带来的社会效应。

主讲人介绍

主讲人：薛霄，天津大学智能与计算学部，教授、博导。主要研究方向为服务计算、计算实验、AI Agent、群体智能。目前兼任：天津市健康人居环境与智慧技术重点实验室副主任；中国自动化学会计算社会与社会智能专委会副主任。2020年与2025年出版著作《复杂系统的计算实验方法一一原理、模型与案例》与《复杂系统的计算实验方法—— 从Agent Simulation 到 Social Simulator》，是国内第一次对计算实验方法进行系统化梳理的专著系列，获得同行高度评价。

参考文献

世界模型思想源流

[1] D. Ha, J. Schmidhuber. Recurrent World Models Facilitate Policy Evolution. NeurIPS, 2018. (arXiv:1809.01999)

[2] Y. LeCun. A Path Towards Autonomous Machine Intelligence. OpenReview, 2022 (Version 0.9.2).

世界模型联合嵌入预测架构（JEPA）

[3] M. Assran, Q. Duval, I. Misra, et al. Self-Supervised Learning from Images with a Joint-Embedding Predictive Architecture (I-JEPA). CVPR, 2023.

[4] A. Bardes, Q. Garrido, J. Ponce, et al. V-JEPA: Latent Video Prediction for Visual Representation Learning. arXiv:2312.14119, 2023.

[5] M. Assran, A. Bardes, D. Fan, et al. V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning. arXiv:2506.09985, 2025.

世界模型式强化学习

[6] D. Hafner, J. Pasukonis, J. Ba, T. Lillicrap. Mastering Diverse Domains through World Models (DreamerV3). Nature, 2025. (arXiv:2301.04104)

[7] N. Hansen, H. Su, X. Wang. TD-MPC2: Scalable, Robust World Models for Continuous Control. ICLR, 2024. (arXiv:2310.16828)

生成式与交互式世界模型

[8] J. Bruce, M. Dennis, A. Edwards, et al. Genie: Generative Interactive Environments. ICML, 2024. (arXiv:2402.15391)

[9] Google DeepMind. Genie 3: A New Frontier for World Models. 技术报告, 2025.

世界模型与社会模拟相关文献

[12] X. Xue, D. Zhou, X. Yu, G. Wang, J. Li, X. Xie, L. Cui, F. Y. Wang. Computational Experiments for Complex Social Systems: Experiment Design and Generative Explanation. IEEE/CAA Journal of Automatica Sinica, 11(4): 1022–1038, 2024.

[13] 计算实验方法的溯源, 现状与展望. 薛霄， 于湘凝， 周德雨， 彭超， 王晓， 周长兵， 王飞跃. 自动化学报 49 (2), 246-271

[16] X. Xue, X. Yu, F. Y. Wang. ChatGPT Chats on Computational Experiments: From Interactive Intelligence to Imaginative Intelligence for Design of Artificial Societies and Optimization of Foundational Models. IEEE/CAA Journal of Automatica Sinica, 10(6): 1357–1360, 2023.

[17] X. Yu, Y. Guo, Y. Hou, X. Xue, Q. Ma. CAMO: An Agentic Framework for Automated Causal Discovery from Micro Behaviors to Macro Emergence in LLM Agent Simulations. Findings of the Association for Computational Linguistics: ACL 2026, 24447–24479, 2026.

[18] Y. Guo, Z. Zhao, X. Liu, X. Yu, Q. Ma, D. Zhou, X. Xue. From Script to Stage: Automating Experimental Design for Social Simulations with LLMs. Findings of the Association for Computational Linguistics: ACL 2026, 15897–15916, 2026.

时间信息

2026年8月28日（周五）晚上19:30-21:30，腾讯会议线上进行，感兴趣的朋友扫码报名加入世界模型读书会后，可进入学员群进行交流。

报名读书会：「世界模型」

集智俱乐部联合北京通用人工智能研究院高级研究工程师牟牧云、北脑和协和医学院研究生胡洁雯共同发起，围绕世界模型的思想源流、理论基础、技术路线与应用边界展开专题分享和讨论。

读书会自2026年8月7日起，每周五晚19:30-21:30线上开展，持续8-10周，包含主讲分享与讨论交流，并提供会后视频回放，诚邀相关领域研究者及跨学科兴趣者参与。

扫描海报中二维码报名参加读书会

报名方式

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：

我们鼓励围绕复杂系统、人工智能及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区可享核心资源

成为会员即可解锁完整学习生态，包括：线上实时问答、全部课程录播回看、独家资料共享、高质量社群交流、第一手信息同步，以及通过参与共创任务获取积分等权益。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径
   

   认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径
   

   合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

相关内容推荐

1. 「世界模型」读书会推荐阅读材料

扫描下方二维码可跳转至集智斑图网站阅读文章：《世界模型》读书会推荐阅读材料。

1. 往期公众号相关内容推荐