Claim Ledger：世界模型高效训练证据账

这页是全站证据账，用来记录“某个说法到底由什么证据支撑、是否可复现、不能外推到哪里”。它不替代正文，也不替代论文精读；它的作用是防止把论文实验、官方 demo、系统吞吐、闭环结果和本站工程推断混成同一种可信度。

证据类型固定使用：Paper Result、Ablation、System Throughput、Closed-loop、Official Demo、Toy Fixture、Site Inference。

复现状态固定使用：Independent Reproduced、Author Code / Official Repo、Paper Only、Official Demo、Site Inference、Toy Fixture。没有第三方复现证据时，不写成 Independent Reproduced。

核心 Claim Ledger

Claim	Direct Source	Figure/Table/Setting	Evidence Type	Repro Status	Can Support	Cannot Prove
DreamerV3 的 RSSM + imagined actor-critic 是样本效率强的 model-based RL 基线	DreamerV3	Figure 3(a)/(b), Figure 6	Paper Result	Paper Only	latent dynamics、reward/continue prediction 和 imagination 可在多任务 benchmark 中服务控制	高分辨率视频世界模型、真实机器人长任务或任意 VLA 都会同样受益
Masked World Models 通过 decoupled visual representation + latent dynamics 改善视觉控制样本效率	MWM	Figure 1, Figure 4; Meta-world / RLBench	Paper Result	Paper Only	masked feature learning 能在论文设置中提高 visual control 学习曲线	masked reconstruction 本身已经具备完整动作因果、reward/done 或任意 closed-loop 泛化
V-JEPA 的 joint-embedding latent prediction 可减少像素重建冗余	V-JEPA	Figure 3, Table 1, Table 4, Table 5	Ablation	Paper Only	latent target prediction 是高效视频表征预训练路线	原始 V-JEPA 已经是可规划世界模型
V-JEPA 2-AC 把 JEPA 表征接到 action-conditioned latent planning	V-JEPA 2	Figure 7, Table 3; robot planning setting	Closed-loop	Paper Only	论文实验支持表征空间 MPC 在特定机器人任务和目标图像设置下可工作	跨平台通用控制、长时风险规划和真实部署安全性
LingBot-World 展示了视频生成底座继续训练成可交互世界模拟器的系统路线	LingBot-World, GitHub	Figure 4/5/6/12; official demos	Official Demo	Author Code / Official Repo	官方 claim、开源接口和论文实验可支持“动作注入、因果化、长时记忆是视频世界模型工程路线”	不能单独证明通用 closed-loop robot/control utility；未独立复现
DreamZero / WAM 通过 joint video-action prediction 把世界模型推向可执行 policy	DreamZero	Figure 1/2/4/5/14; robot eval tables	Closed-loop	Paper Only	论文实验支持 WAM 在特定机器人任务中有 zero-shot / post-training 控制潜力	不证明 WAM 是通用 VLA 替代品；未独立复现
CausVid 将 bidirectional video diffusion 蒸馏为 causal student，可降低 streaming rollout 步数和延迟	CausVid 专题	Figure 1/5, latency table; paper setting	Paper Result	Author Code / Official Repo	支持“少步化 + 因果化”是视频世界模型实时化方向	视频延迟下降不等于 planning utility 或真实闭环成功率
MagiAttention 在异构 mask 长上下文训练中降低通信和负载不均成本	MagiAttention docs, GitHub	Official CP benchmark, AttnSlice / dispatch / overlap	System Throughput	Author Code / Official Repo	官方 benchmark 支持 mask-aware dispatch、AttnSlice 和 overlap 对长上下文训练有系统价值	不证明世界模型 dynamics 更准确，也不证明下游控制更好
Depth Anything 3 提供多视角几何状态层，可服务世界模型的 state / geometry 接口	Depth Anything 3, GitHub	Figure 1/2/10; project repo	Paper Result	Author Code / Official Repo	depth、ray、camera 与 3D geometry 可以作为机器人/驾驶世界模型的状态底座	几何估计不等于动作动力学、接触建模或策略安全；未独立复现
KVSlimmer 的 asymmetric KV merging 可降低长上下文推理显存和 decoder 开销	KVSlimmer, GitHub	Table 1/2, Figure 4/5/6	System Throughput	Author Code / Official Repo	推理阶段 KV 压缩可服务长历史 agent / VLA / world model rollout 成本控制	不证明世界模型记忆压缩后仍保留动作分叉和风险判断；未独立复现
本仓库 mini-chain 可暴露 action sensitivity 和 candidate ranking 的失败	完整实验报告样例	episodes.jsonl, rollouts.jsonl, eval_mini_chain.py	Toy Fixture	Toy Fixture	能说明世界模型证据链应包含日志、rollout、指标和失败回放	不是任何真实模型或论文方法的有效性证明
“Masked / JEPA 表征适合作为世界模型前置状态层”是工程归纳	Masked / JEPA 与潜变量预测	机制对照与失败边界	Site Inference	Site Inference	可作为“先压缩，再建模动作”的工程路径	单独替代 RSSM、reward head、risk head 或 closed-loop 评测

Figure Register

Figure / Table	Source	Evidence Type	Repro Status	Can Support	Cannot Prove
DreamerV3 Figure 3(a)/(b)	DreamerV3 专题	Paper Result	Paper Only	world model learning 与 actor-critic imagination 的接口分工	视频模拟器可直接规划
MWM Figure 1	MWM Figure 1	Paper Result	Paper Only	decoupled representation learning 与 latent dynamics 的接口	MWM 在所有视觉控制任务上稳定优于其它方法
MWM Figure 4	MWM Figure 4	Paper Result	Paper Only	论文设置下的样本效率比较	真实机器人闭环或任意动作空间泛化
V-JEPA Figure 2/3/4	V-JEPA 专题	Ablation	Paper Only	latent prediction 表征训练机制	action-conditioned planning 能力
V-JEPA 2 Figure 7 / Table 3	V-JEPA 2 planning 图	Closed-loop	Paper Only	action-conditioned latent rollout 如何接目标图像规划	长时真实部署和跨平台通用性
LingBot-World Figure 4/5/6/12	LingBot-World 专题	Official Demo	Author Code / Official Repo	视频底座、动作注入、因果化和长时记忆的系统结构	闭环控制收益和真实机器人安全性
DreamZero Figure 1/2/4/5/14	DreamZero 专题	Closed-loop	Paper Only	WAM、joint video-action prediction、KV refresh 和少步策略的论文证据	通用 policy 替代和未见硬件安全性
MagiAttention Figure 1/3/4/6/9	MagiAttention 专题	System Throughput	Author Code / Official Repo	异构 mask、AttnSlice、dispatch 和 overlap 的系统机制	世界模型预测质量
CausVid Figure 1/5 与延迟表	CausVid 专题	Paper Result	Author Code / Official Repo	causal student、DMD 少步化和 streaming rollout 机制	任务级规划收益
Depth Anything 3 Figure 1/2/10	Depth Anything 3 专题	Paper Result	Author Code / Official Repo	几何状态层如何服务 perception/state interface	动作策略和动力学预测

使用规则

1. 如果一页声称“高效”，必须回到这里或正文 Claim Ledger 说明证据类型与复现状态。
2. 如果证据来自 Official Demo，只允许支撑“系统展示了某种能力或方向”，不能直接推成 closed-loop 成功率。
3. 如果证据来自 System Throughput，只能证明系统成本改善，不能自动证明 world model 预测更准。
4. 如果证据是 Site Inference，必须写清推断链路，并在前沿论文尚未独立复现时保留边界。
5. 如果没有第三方复现实验，不要使用 Independent Reproduced。