世界模型：高效训练效率技术覆盖矩阵

这页是全站地图，不替代各专题正文。它只回答一个问题：当你说某项技术让世界模型训练更高效时，它到底省哪类成本，证据在哪里，还不能证明什么。

读法

先按瓶颈找技术，再进入对应专题。不要从头背完整矩阵；它的作用是避免把数据效率、表示效率、训练系统效率、推理效率和验证效率混成一个“更高效”的笼统说法。

数据效率

效率技术	解决的成本	站内入口	原始证据	缺口 / 不能证明
Dreamer / RSSM latent imagination	真实环境交互、策略试错	RSSM、Dreamer 与规划	DreamerV3, Figure 3(a)/(b), Figure 6	不证明高分辨率视频模拟器天然可规划
Masked World Models	视觉控制样本、像素重建压力	Masked / JEPA 与潜变量预测	MWM, Figure 1, Figure 4	不证明 masked 表征天然有动作因果
数据引擎 / hard negatives	真实失败采集、人工排查	世界模型数据引擎	mini-chain Toy Fixture	Toy fixture 不是生产模型效果
Offline-online hybrid	在线探索成本、长尾样本覆盖	端到端案例	站内 schema 与 failure replay	需要真实重训日志或线上灰度才能证明收益

表示效率

效率技术	解决的成本	站内入口	原始证据	缺口 / 不能证明
V-JEPA / JEPA-style latent prediction	像素 decoder、视频 token 冗余	Masked / JEPA 与潜变量预测	V-JEPA, Figure 3, Table 1/4/5	原始 V-JEPA 不含 action、reward、done
Visual tokenizer / resampler	多相机长视频 token	视觉 Tokenizer 与连接器	站内 token 成本账与 VLM/VLA 接口	压缩后是否保留接触和小目标要单独验
MWM decoupled representation	表征学习与 dynamics 相互拖累	Masked / JEPA 与潜变量预测	MWM, Figure 1	不能替代 closed-loop planning 证据
Depth Anything 3 / geometry state	几何状态估计、深度/相机底座	Depth Anything 3 专题	Depth Anything 3	几何估计不等于动力学和策略安全

训练系统效率

效率技术	解决的成本	站内入口	原始证据	缺口 / 不能证明
Activation checkpointing	长轨迹激活显存	训练	通用训练系统实践	增加重算，需确认 recurrent state 和 mask 一致
Sequence packing	padding、无效 attention	高效训练路线图	站内 4 路相机 token 账	不能让不同 episode 互相可见
FSDP / ZeRO	optimizer、gradient、parameter state	训练	ZeRO 专题	通信和 checkpoint I/O 可能成为新瓶颈
MagiAttention	异构 mask 长上下文通信和负载不均	MagiAttention 专题	MagiAttention docs / benchmark	只证明系统吞吐，不证明 dynamics 更准
Low-bit training / FP8	显存、带宽、通信 payload	低比特训练	站内低比特与技术报告专题	reward/risk/action head 需要精度保护

推理效率

效率技术	解决的成本	站内入口	原始证据	缺口 / 不能证明
KV cache / GQA	rollout decode 显存和带宽	推理成本建模	高效训练路线图 KV 账	KV 变小不保证候选动作排序不变
KVSlimmer	长上下文 KV 合并和 decoder 开销	KVSlimmer 专题	KVSlimmer	文本长上下文收益不能直接外推到动作分叉
Low-bit KV	KV 显存、HBM 带宽	量化	站内量化与 KV cache 页面	risk / action head 仍需回归测试
CausVid / DMD	少步视频 rollout、streaming latency	CausVid 专题	CausVid paper result	视频延迟下降不等于 planning utility
SLO / batching	端到端延迟、并发容量	推理成本建模	系统日志或压测	P95/P99 变好不证明模型更安全

验证效率

效率技术	解决的成本	站内入口	原始证据	缺口 / 不能证明
Action sensitivity	无效视频 demo、动作不敏感模型	世界模型评测	mini-chain 报告样例	单一反事实测试不能覆盖所有风险
Closed-loop gain	open-loop 指标和真实决策脱节	世界模型评测	Dreamer / V-JEPA 2-AC 等闭环设置	成功率需要配合失败桶和成本账
Risk calibration	near-miss 漏报、安全错判	不确定性与风险敏感规划	mini-chain risk ECE 示例	小样本 ECE 不能证明部署安全
Failure replay	失败不可复盘、数据回流低效	端到端案例	Toy fixture failure replay	需要真实视频、预测、动作和人工标签
Claim Ledger	证据混淆、过度外推	Claim Ledger	全站证据账	证据账本身不替代复现实验

读完怎么用

1. 如果你在做方案设计，先从“解决的成本”定位路线。
2. 如果你在写博客或论文笔记，至少引用“原始证据”和“缺口 / 不能证明”两列。
3. 如果你在做实验，进入 完整实验报告样例，按数据、配置、系统账、评测和失败归因写证据链。