ICML 2026世界模型研究盘点：LAWM VS WAM，谁主沉浮？

作为机器学习领域的顶级学术盛会，“世界模型”这一主题在ICML的接收论文名单中，从绝对数量上看似乎并不占上风。根据MTRI近日发布的一篇报告，在ICML 2026被接收的6341篇论文中，有49篇论文属于“世界模型”分类，占比不到1%。然而，在仔细剖析论文趋势并在大会现场与参会者深入交流后我们发现，今年的ICML世界模型研究正经历一场至关重要的范式革命。 在会场内外，学者们争论的核心焦点早已跳出“要不要用世界模型”的启蒙阶段，彻底演变为具体的技术路线选择：是沿着依赖显式动作数据的WAM（World Action Models）路线深耕，还是全面拥抱从海量视频中汲取物理规律的LAWM（Latent Action World Models）路线？过去两年，受Sora等生成式AI的狂热启发，学术界曾一度倾向于后者，认为“视频上的Next-token prediction”这种广义的世界模型是通向AGI的捷径。 然而，从今年的论文数据来看，天平正在发生倾斜：WAM论文的比重正在强劲反弹，占据了半壁江山；纯粹的LAWM路线热度有所消减，而基于二者融合的论文正在稳步增加。 这一转折并非偶然。学术界和以英伟达为代表的产业巨头越来越清晰地意识到：仅仅在“隐空间”里生成符合物理直觉的预测，不足以让自动驾驶汽车打好方向盘，也不足以让通用机器人精准地拧紧螺丝。WAM路线的“王者归来”，标志着世界模型正式跳出了“生成视频的视觉幻象”以及“Atari游戏机的封闭仿真”这两个舒适区，开始向真实的物理控制和具身智能发起总攻。 但这并不意味着LAWM失去了价值。恰恰相反，LAWM正在退居幕后，成为整个具身智能不可或缺的“认知基座”。 就像人类的小脑负责精确的肌肉控制（WAM），而大脑皮层负责对世界运行规律的常识理解（LAWM）。如果没有LAWM在海量无标注视频中建立的物理直觉，WAM将永远被困在缺乏泛化能力的仿真器中；而如果没有WAM，LAWM也只是一台徒有其表的视频生成器。 以下是我们从这两大阵营中挑选出的代表性顶会论文，它们清晰地勾勒出了世界模型在ICML 2026上，从“虚拟认知”走向“实体控制”的前沿图景： <img src="https://static.