这篇文章深入探讨了智能体如何通过其策略编码世界模型，核心结论可概括为以下几点： **1. 智能体即世界模型** - 目标条件智能体的策略本质上等同于其内部世界模型 - 通过算法1和算法2可从智能体策略中恢复出具有误差界限的转移概率估计 - 精确度随智能体性能提升（δ→0）和目标深度增加（n→∞）而提高 **2. 算法机制** - **算法1**：通用无监督算法，输入智能体策略π，输出有界误差的世界模型 - **算法2**：简化版算法，误差界限较弱但实现更简单 - 实验显示：当智能体泛化能力提升时，恢复出的世界模型误差显著下降（图3a） **3. 误差分析** - 误差界限与转移概率相关，低概率转移可被忽略 - 对于深度n=50的目标，误差缩放关系为O(n^−1/2) - 当智能体追求复杂目标时，需构建高分辨率世界模型 **4. 短视智能体特性** - 短视智能体（myopic agent）只需处理单步目标（n=1），其策略对转移概率的估计微不足道 - 定理2证明：无法从短视智能体策略中确定转移概率 - 只有当智能体需要多步完成复杂任务时，世界模型才是必需的 **5. 实际应用** - 举例说明：维修机器人需完成复合目标（修理机器或通知工程师），其策略需编码对应的世界模型 - 实验验证：当智能体平均后悔值≤0.04时，可实现最大目标深度Nmax(⟨δ⟩=0.04) **关键区别** - 长时智能体：需高精度世界模型（δ→0，n→∞） - 短视智能体：仅需稀疏世界模型（δ=1，n=1） **理论支撑** - 通过归约证明（见原文附录）建立策略与世界模型的等价性 - 实验结果（图3）验证了理论预测的误差收敛性 这项研究为理解智能体内部表征机制提供了理论基础，对强化学习、认知科学等领域具有重要启示意义。