OWER EX-B v0.1｜世界模型不是世界根節點

世界模型不是世界根節點

A World Model Is Not a World Root: Separating Reality, Epistemic State, Learned Models, and Simulated Worlds

Series: Open-World Epistemic Research
Extra Paper: EX-B
Version: v0.1
Date: 2026-09-20
Language: zh-TW
Status: Formal Draft / Canonical Markdown Source
Authors: Neo.K × GPT-5.6 Sol
Institution: EveMissLab / 一言諾科技有限公司

摘要

當「World Root」被提出作為 Open-World Epistemic Runtime 的架構根節點時，一個最自然的問題是：

這不就是 World Model 嗎？

本文主張：兩者高度相關，但並不相同，且位於不同抽象層級。

世界模型通常處理：

\text{Observation} \rightarrow \text{Representation} \rightarrow \text{Prediction / Planning / Simulation / Generation}

也就是：AI 如何建立一個可用於預測、控制、生成或規劃的世界表示。

World Root 則處理更前置的問題：

「世界」如何先成為所有認識活動的一級對象？

本文提出四層基本區分：

\boxed{ W \neq \hat W \neq M \neq S }

其中：

$W$ ：World / Reality；
$\hat W$ ：Current Epistemic State，Agent 當前對世界的認識；
$M$ ：World Model，用來表示、預測、壓縮或操作世界的模型；
$S$ ：Simulation / Generated World，由模型生成的可能世界、模擬或內部 rollout。

World Model 可以是：

M: \hat W_t \rightarrow \hat W_{t+1}

的預測器，也可以：

M \rightarrow S_1,S_2,\ldots,S_n

生成多個可能世界。但無論模型多強，它仍不應在架構上被自動等同於：

W

本身。

本文認為，World Root 的價值不在於否定世界模型，而在於給世界模型一個正確的位置：

\boxed{ W \rightarrow \operatorname{Observe} \rightarrow \hat W_t \rightarrow M_t \rightarrow \operatorname{Predict/Simulate} }

而不是：

\boxed{ M_t \equiv W }

。

這一區分有多個直接結果。第一，它允許多個互相競爭的 world models：

M_1,M_2,\ldots,M_n

同時被視為對同一世界的不同候選描述。第二，它允許新證據推翻或重寫模型，而不必把 model failure 誤解為 world failure。第三，它允許 Simulation 與 Reality 明確分離，避免生成式系統將「可生成世界」與「被認識世界」混為一談。第四，它使搜尋、感知、實驗、模擬與推理都可以被統一成：

相對於世界根節點更新認識狀態的不同認識算子。

因此本文提出：

\boxed{ \text{World Model asks how an agent represents a world.} }

而：

\boxed{ \text{World Root asks what makes the world a first-class target of cognition at all.} }

中文：

世界模型研究 AI 如何表示、預測與生成世界；世界根節點研究「世界」如何先成為 AI 認識活動的一級對象。

關鍵詞： World Model、World Root、World-Rooted Cognition、Epistemic State、Simulation、Reality、Model-Reality Separation、Open-World AI、Epistemic Runtime

1. 為什麼這兩者看起來很像？

因為兩者都談：

\text{world}

。

World Model 會說：

建立對環境動態的內部表示。

World Root 也會說：

系統應該先維護對世界的認識。

因此表面上：

\text{World Model} \approx \text{World Root}

似乎合理。

但真正差異在：

一個是表示；

一個是架構上的認識參照。

2. 最核心的四層區分

本文採用：

\boxed{ W \neq \hat W \neq M \neq S }

。

這是整篇最重要的式子。

3. $W$ ：World

W

代表：

系統試圖認識的世界、環境、現實或目標存在域。

本文不對：

W

做終極形而上學定義。

它只表示：

認識活動所指向的外部或目標對象域。

4. $\hat W$ ：Current Epistemic State

\hat W_t

代表：

Agent 在時間 $t$ 對世界目前所知的狀態。

一般：

\boxed{ \hat W_t \neq W_t }

。

這個不等式不是缺陷。

而是開放世界認識的基本前提。

5. $M$ ：World Model

M_t

是：

一個用來表示、預測、壓縮、重建、規劃或控制世界的模型。

可以是：

latent dynamics；
neural simulator；
symbolic model；
graph model；
probabilistic model；
hybrid model。

6. $S$ ：Simulation / Generated World

S_i

表示：

由 world model 生成的 rollout、可能世界、模擬、預測場景或生成世界。

因此：

M \rightarrow S_i

。

但：

S_i

不等於：

W

。

7. 最小架構

可以畫成：

\boxed{ W \rightarrow O_t \rightarrow \hat W_t \rightarrow M_t \rightarrow S_{t+1} }

其中：

$O_t$ ：observation；
$\hat W_t$ ：認識狀態；
$M_t$ ：world model；
$S_{t+1}$ ：prediction / simulation。

8. World Model 的典型目的

世界模型通常被建立來：

預測下一狀態；
壓縮 observation；
做 planning；
做 model-based RL；
生成環境；
模擬 counterfactual；
做 long-horizon rollout。

因此：

\boxed{ \text{World Model} = \text{Representational / Predictive Machinery} }

。

9. World Root 的典型目的

World Root 則在更上層回答：

我現在是在認識什麼？
哪些資訊屬於世界的一部分？
哪些東西只是模型？
哪些東西只是模擬？
哪些世界表面尚未被觀察？
哪些模型彼此競爭？
哪些 observation 應更新目前認識？

因此：

\boxed{ \text{World Root} = \text{Epistemic Reference Architecture} }

。

10. 表示與指涉不同

World Model：

M

是 representation。

World Root：

W

是 referent role。

因此：

\boxed{ \text{Representation} \neq \text{Referent} }

。

11. 地圖不是領土

這可以用經典直覺說：

地圖不是領土。

形式：

M(W) \neq W

。

但本文關心的不是哲學修辭。

而是：

這個區分是否被正式放進 Runtime？

12. 如果不分，會發生什麼？

如果：

M=W

被隱式假定，

則：

模型沒有表示的東西

容易被當成：

世界不存在的東西。

這就是：

\boxed{ \text{Model-Reality Collapse} }

。

13. Model-Reality Collapse

定義：

\operatorname{MRC}

為：

系統把當前模型的結構、缺失與邊界誤當成世界本身的結構、缺失與邊界。

例如：

x\notin M

被推成：

x\notin W

。

這是不合法的。

14. 正確只能推出

x\notin M

表示：

當前模型沒有表示 $x$ 。

可能原因：

$x$ 不存在；
$x$ 尚未被觀察；
$x$ 被錯誤分類；
$x$ 超出 model capacity；
$x$ 位於尚未接入的 world surface。

15. World Root 保留這個不確定性

因為：

W \neq M

所以：

x\notin M \not\Rightarrow x\notin W

。

這與 Paper 03 的：

U_{\text{world}}

直接接起來。

16. World Model 可以很強，但仍不是 World Root

即使：

M

可以：

預測影片；
模擬城市；
生成物理場景；
規劃機器人；
重建環境；

仍不代表架構中存在：

\text{/world}

作為認識根節點。

17. 一個極強的生成模型仍可能沒有 World Root

假設模型：

M_G

可以生成：

S_1,S_2,\ldots,S_n

大量合理世界。

但如果它沒有：

persistent world state；
current world identity；
world/source distinction；
unknown tracking；
surface tracking；

那它仍可能只是：

\text{world generator}

而不是：

\text{world-rooted epistemic system}

。

18. World Generation 不等於 World Recognition

\boxed{ \text{World Generation} \neq \text{World Recognition} }

。

前者：

M \rightarrow S

。

後者：

W \rightarrow O \rightarrow \hat W

。

方向相反。

19. 這就是「某些意義上反過來」

World Model 常做：

\text{Data} \rightarrow M \rightarrow \text{Possible Worlds}

。

World Rooted Cognition 做：

\boxed{ W \rightarrow \text{Observation} \rightarrow \hat W \rightarrow M }

。

一個偏：

從資料形成可生成世界表示。

另一個偏：

從世界取得可修正認識。

20. World Model 的位置應在 World Root 之下

本文建議：

\boxed{ W \succ \hat W \succ M \succ S }

這不是價值排序。

而是認識依賴。

21. World Root 不否定 World Model

恰恰相反：

World Root 給 World Model 一個更清楚的位置。

World Model 變成：

M_i \in \mathcal M(W)

。

也就是：

關於同一世界的候選模型之一。

22. 多模型並存

可以有：

\mathcal M_t = \{M_1,M_2,\ldots,M_n\}

。

這些模型可能：

互補；
競爭；
適用不同尺度；
適用不同任務。

23. 多模型比單模型更自然

因為世界：

W

通常可被不同投影描述。

例如：

M_{\text{physical}}

M_{\text{economic}}

M_{\text{social}}

。

都可能有效。

24. 不應要求一個模型就是世界

因此：

\boxed{ \text{World Unity} \neq \text{Single Model Monopoly} }

。

25. World Root 允許 Model Competition

如果：

M_1

與：

M_2

對同一現象做不同預測：

M_1\rightarrow y_1

M_2\rightarrow y_2

可以透過：

O_{\text{discriminate}}

取得新 evidence。

26. Model Selection

M^\ast = \arg\max_M P(M\mid E)

只是其中一種方法。

也可以保留：

\mathcal M_t

多模型。

27. Model Failure 不等於 World Failure

如果：

M_t

預測錯：

\hat y\neq y

應更新：

M_t

或：

\hat W_t

而不是認為：

世界出錯了。

28. 模型可被降級

Paper 05 的 kernel lifecycle 可直接套用：

M_{\text{general}} \rightarrow M_{\text{local}}

。

也就是：

模型只在較小 scope 有效。

29. World Root 讓模型有 Scope

每個模型：

M_i

應保存：

D_{\text{valid}}(M_i)

。

因此：

M_i

不是「世界真理」。

只是：

某一 scope 下的有效模型。

30. Model Scope Registry

world_model:
  id:
  scope:
  assumptions:
  observables:
  predictions:
  invalid_domains:
  evidence:
  alternatives:

。

31. World Model 與 Epistemic State 不同

\hat W_t

可能包含：

已驗證事實；
unknown；
conflicts；
evidence；
source provenance；
active models；
rejected models。

World Model：

M_t

則只是其中一個結構化解釋或預測器。

因此：

\boxed{ M_t \subset \hat W_t }

在本文架構中更合理。

32. Epistemic State 比 World Model 更寬

可以寫：

\hat W_t = ( K_t, U_t, E_t, H_t, \mathcal M_t, B_t, P_t )

。

World Model 只是：

\mathcal M_t

的一部分。

33. 這解釋為什麼「有模型」不等於「知道不知道」

一個 model：

M

可能非常好預測。

但它未必保存：

U_{\text{category}}

或：

U_{\text{access}}

。

因此：

\boxed{ \text{Predictive Model} \neq \text{Explicit Ignorance Model} }

。

34. World Root 天然要求 Unknown Layer

因為：

\hat W_t \neq W

所以：

U_t

是結構必需。

World Model 本身不一定需要顯式 Unknown Layer。

35. Model Uncertainty 與 Epistemic Unknown 也不同

模型可能有：

\sigma_M

uncertainty。

但：

\sigma_M

通常表示：

模型在既有表示空間裡不確定。

而：

U_{\text{category}}

表示：

表示空間本身可能漏了類別。

因此：

\boxed{ \text{Model Uncertainty} \neq \text{Unknown Ontology} }

。

36. In-Model Uncertainty

H_{\text{within-model}}

。

37. Model-Space Uncertainty

H_{\text{model-space}}

。

38. World-Space Unknown

H_{\text{world-space}}

。

39. 三者不能壓成一個 confidence

\boxed{ H_{\text{within-model}} \neq H_{\text{model-space}} \neq H_{\text{world-space}} }

。

40. World Model 通常假設 Observation Space 已知

例如：

o_t

已定義。

但 World Root 還要問：

是否存在新的 observation modality？

41. Observation-Space Expansion

如果新增：

O_{\text{audio}}

或：

O_{\text{sensor}}

則：

\mathcal O_t \rightarrow \mathcal O_{t+1}

。

這屬於 World Root / World Surface 層。

42. World Model 通常在既有 observation space 中學

即：

M: \mathcal O \rightarrow \mathcal Z

。

但：

\mathcal O

本身怎麼來？

這通常由系統設計者給定。

43. World Root 把 Observation Space 也變成可修改物件

因此：

\boxed{ \mathcal O_t \text{ can be revised} }

。

44. World Model 常假設 Action Space 已知

model-based RL：

a_t\in\mathcal A

。

但 Open-World Agent 可能還需要：

發現新工具、新 action surface。

所以：

\mathcal A_t

也可能開放。

45. Action-Space Discovery

\mathcal A_t \rightarrow \mathcal A_{t+1}

。

這也是 World Rooted Runtime 的上層問題。

46. Model-Based Planning 與 World-Rooted Planning

Model-based：

M \rightarrow \operatorname{Plan}

。

World-rooted：

W \rightarrow \hat W \rightarrow \mathcal M \rightarrow \operatorname{Plan}

並且：

planning 可以改變 world model selection。

47. Planning 不必只依單一模型

可以：

\operatorname{Plan} ( M_1,M_2,M_3 )

做 robust planning。

48. Simulation 不等於 Prediction of Reality

一個 simulation：

S_i

可能只是：

如果某假設成立，會發生什麼？

所以：

S_i

是：

\text{conditional world}

。

49. Simulation World

可寫：

S_i = M( W \mid A_i )

。

但：

A_i

只是假設。

50. Generated World 更不等於 Current World

生成模型可以：

M_G \rightarrow S_{\text{fantasy}}

。

這完全不需要：

S_{\text{fantasy}} \approx W

。

51. 所以 Simulation 必須有 provenance

每個：

S_i

要標：

model；
assumptions；
seed；
purpose；
relation to current world。

52. Simulation Provenance

simulation:
  id:
  model:
  assumptions:
  initial_state:
  generated_state:
  relation_to_world:
    - predictive
    - counterfactual
    - hypothetical
    - synthetic

。

53. 不然會發生 Simulation-Reality Collapse

S_i \rightarrow W

被錯誤等同。

本文稱：

\boxed{ \text{Simulation-Reality Collapse} }

。

54. 生成式 AI 時代特別需要這個區分

因為 AI 越來越能：

生成影片；
模擬角色；
生成 3D 世界；
建立虛擬環境。

所以：

S

的規模越來越大。

55. 可生成，不代表可驗證

\boxed{ \text{Generatable} \neq \text{Observed} }

。

56. 可模擬，不代表實際存在

\boxed{ \text{Simulatable} \neq \text{Actual} }

。

57. World Root 提供 Reality Anchor

因此：

W

可以作為：

\boxed{ \text{Reality Anchor} }

。

不是說 Agent 完全知道 reality。

而是：

架構上保留「當前模型之外仍有待認識世界」。

58. Reality Anchor 不等於 Absolute Realism Claim

本文不需要證明哲學上的：

naive realism。

只需要工程上：

\boxed{ \text{Model} \neq \text{Target of Modeling} }

。

59. 這是一個弱而實用的實在論

可以稱：

\boxed{ \text{Operational Epistemic Realism} }

：

系統假設存在一個不由當前模型完全決定的認識對象域。

60. 為什麼需要這個弱實在論？

因為如果：

W=M

則：

模型永遠無法真正被外部世界反駁。

所有反例都只能被當：

model-internal anomaly。

61. 外部約束的重要性

若：

W

獨立於：

M

則：

O(W)

可以：

M_t \rightarrow M_{t+1}

。

這是認識修正的基礎。

62. Model Revision

完整：

W \rightarrow O_t \rightarrow E_t \rightarrow M_t \rightarrow M_{t+1}

。

63. World Root 與科學反證

科學反證本質上需要：

世界能說模型錯。

若：

W=M

就沒有真正反證。

64. 因此 World Root 與 Popper 式結構相容

不是說兩者相同。

而是：

W \neq M

提供：

E^-

可能推翻：

M

的空間。

65. World Model 也可能是多尺度的

M^{(1)}

微觀，

M^{(2)}

中觀，

M^{(3)}

宏觀。

World Root 不要求統一成一個 representation。

66. Multi-Scale Model Stack

可以：

\mathcal M = \{ M_{\text{micro}}, M_{\text{meso}}, M_{\text{macro}} \}

。

67. 模型之間也需要 mapping

\phi_{ij} : M_i \rightarrow M_j

。

68. Cross-Model Consistency

可檢查：

C_{ij} = \operatorname{Consistency}(M_i,M_j)

。

69. 不一致不一定表示某一模型錯

可能只是：

scope 不同。

所以：

\boxed{ \text{Model Conflict} \neq \text{Immediate Invalidity} }

。

70. World Root 幫助做 Scope Resolution

因為兩個模型都相對：

W

與：

D_i

評估。

71. World Model 與 Epistemic Operator

Operator：

O_t

可以選擇：

用哪個模型？

因此：

O_{\text{model-select}}

本身也是認識算子。

72. Model Selection 不是一次性

M_t^\ast

可以隨新 evidence 改變。

73. Model Ensemble

有時：

\{M_1,M_2,M_3\}

共同使用比單一：

M^\ast

更好。

74. World Root 與 Ensemble 的差異

World Root 不是 ensemble aggregator。

它是：

ensemble 共同指向的世界參照。

75. World Root 與 Digital Twin

Digital Twin：

D_T

可以是非常強 world model。

但仍：

D_T \neq W

。

76. Digital Twin 更新依賴世界

W \rightarrow \text{sensor} \rightarrow D_T

。

這其實更清楚展示：

model 依賴 world。

77. World Root 與 Knowledge Graph

Knowledge Graph：

G_K

也是：

\hat W

的一種表示。

所以：

G_K \neq W

。

78. World Root 與 Memory

Memory：

M_{\text{mem}}

保存過去 observations。

但：

M_{\text{mem}} \neq W

。

79. World Root 與 State Estimate

控制系統中：

\hat x_t

很像：

\hat W_t

。

這提供了一個工程類比。

80. 但 World Root 更廣

因為：

\hat W_t

不只物理 state。

還可能包含：

social；
symbolic；
institutional；
informational；
virtual。

81. World Root 可以是多世界

例如：

W = \{ W_{\text{physical}}, W_{\text{digital}}, W_{\text{social}}, W_{\text{simulated}} \}

。

82. 但 simulated world 仍要標 relation

例如：

W_{\text{simulated}}

若只是人工 environment，

應明確知道它的存在方式。

83. World Identity

因此需要：

\operatorname{WorldID}

。

84. World Identity 避免世界混淆

不同：

W_1,W_2

不可直接 merge。

例如：

current production；
staging；
simulation；
historical snapshot。

85. World Branching

可有：

W_t \rightarrow \{S_1,S_2,S_3\}

possible futures。

但 actual future 最後：

W_{t+1}

只是一條實際 observation path。

86. Possible World 與 Actual World

S_i \in \mathcal W_{\text{possible}}

。

W_t \in \mathcal W_{\text{actual-ref}}

。

本文不需要完整 possible-world semantics，只需要保留這個工程區別。

87. World Root 與 Counterfactual

Counterfactual：

S_{\text{cf}}

回答：

如果某條件不同會怎樣？

它不是 actual world。

但可用來理解：

W

。

88. 模擬是認識算子，不是世界替代品

因此：

\boxed{ \text{Simulation} \subset \text{Epistemic Action} }

。

89. World Model 是認識工具，不是認識根

同理：

\boxed{ \text{World Model} \subset \text{Epistemic Machinery} }

。

90. World Root 的最小優勢

即使完全不做哲學延伸，World Root 至少提供四個工程優勢：

model / reality separation；
persistent epistemic state；
multi-model competition；
explicit unknown / surface tracking。

91. Model / Reality Separation

M \neq W

。

92. Persistent Epistemic State

\hat W_t \rightarrow \hat W_{t+1}

。

93. Multi-Model Competition

\mathcal M_t

可同時存在。

94. Explicit Unknown / Surface Tracking

U_t

與：

S_W

被 first-class 化。

95. 這四點本身就足以區分 World Root

即使某些 world model 系統也具備其中部分功能，

只要架構語義不同，仍不是完全同一概念。

96. 可能重疊，但不是等價

本文不主張：

\text{World Model} \cap \text{World Root} = \varnothing

。

相反，可能：

\boxed{ \text{World-Rooted System} \supset \text{World Model Components} }

。

97. 部分 World Model 架構可升格為 World Rooted

如果一個系統已：

持續更新環境；
維護多模型；
區分 observation 與 prediction；
保留 uncertainty；
可擴展 observation space；

那它與 World Root 的距離可能很近。

98. 所以這不是命名戰

問題不是：

誰可以使用 world model 這個詞？

而是：

架構是否顯式保留本文要求的層級區分？

99. 最小判準一：是否區分 $W$ 與 $M$ ？

如果沒有，

不是本文意義的 World Root。

100. 判準二：是否存在 persistent $\hat W_t$ ？

如果只有：

M

但沒有持續認識狀態，

仍較像 model-centric。

101. 判準三：是否可同時維護多個 $M_i$ ？

如果：

M_1,M_2

可競爭，

更符合 world-rooted。

102. 判準四：是否保存 unknowns 與 boundaries？

如果：

U_t

不存在，

World Root 能力不完整。

103. 判準五：是否能發現新 World Surface？

如果只能在固定 observation space 中運作，

仍偏 closed-world。

104. 判準六：模型失敗是否能觸發 schema / ontology revision？

如果可以，

更接近 World Rooted Runtime。

105. World Root Capability Profile

可定義：

Q_W = ( q_{RM}, q_{PS}, q_{MM}, q_U, q_S, q_R )

其中：

$q_{RM}$ ：reality-model separation；
$q_{PS}$ ：persistent state；
$q_{MM}$ ：multi-model；
$q_U$ ：unknown tracking；
$q_S$ ：surface discovery；
$q_R$ ：revisability。

106. 不必二元分類

因此系統不必：

\text{World Rooted}\in\{0,1\}

。

可以是 capability profile。

107. World Root 與 OWER Paper 04 對應

理解狀態：

\mathbf K_t

位於：

\hat W_t

內。

108. 與 Paper 03 對應

Unknown：

\mathbf U_t

描述：

\hat W_t

的缺口。

109. 與 Paper 05 對應

Compression Kernel：

C_t

是關於：

W

的候選高壓縮表示。

110. 與 Paper 07 對應

Formalization：

F_t

是：

\hat W_t

的可執行投影。

111. 與 Paper 08 對應

Search：

O_{\text{search}}

是從：

W

取得 observation 的 operator。

112. 與 Paper 09 對應

Closure：

C_E

只對：

\hat W_t

與 scope 成立，

不對：

W

宣告終極完成。

113. EX-A 與 EX-B 的關係

EX-A 問：

為什麼 World Root 曾經不需要顯式存在？

EX-B 問：

即使已有 World Model，為什麼仍不等於 World Root？

114. EX-A 的答案

因為：

W

被人類設計者編譯成 input / dataset / tools。

115. EX-B 的答案

因為：

M

只是：

W

的表示與操作工具。

116. 一個簡單例子：城市 AI

假設 AI 有：

M_{\text{city}}

可以預測交通。

117. 它可以生成：

S_1=\text{morning rush}

S_2=\text{accident scenario}

S_3=\text{rain scenario}

。

118. 但真正 World Root 還需要知道

現在實際是哪一天？
哪些 sensor live？
哪些資料延遲？
哪些道路新封閉？
哪些模型只適用 weekday？
哪些情況尚未觀察？

這些都屬於：

\hat W_t

與：

U_t

。

119. 所以 World Model 很強仍可能失敗

如果：

M_{\text{city}}

很好，

但：

\hat W_t

過期，

prediction 仍會錯。

120. 一個簡單例子：科研 AI

AI 有：

M_{\text{physics}}

。

能模擬某材料。

但：

E_{\text{experiment}}

出現反例。

World Rooted system 應：

E^- \rightarrow M_{\text{physics}}'

或：

\hat W_t'

。

121. 如果沒有 World Root

系統可能只：

再調模型參數。

但不問：

是否漏了新 phase / variable / observation surface？

122. 一個簡單例子：Web Research

LLM 有很強 internal world model：

P_\theta

。

再接 Web。

但如果沒有：

\hat W_t

persistent world state，

每次 retrieval 只進 context。

這就是：

\boxed{ \text{Web-Augmented Model} \neq \text{World-Rooted Research Agent} }

。

123. World Root 與記憶的關係

Memory：

M_{\text{memory}}

不等於 World Root。

但它可以支撐：

\hat W_t

持續。

124. 沒有記憶很難長期 World-Rooted

因為：

\hat W_t

會不斷歸零。

125. 但只有記憶也不夠

如果記憶只是：

對話摘要。

仍沒有：

world identity；
evidence；
unknown；
surface；
model relation。

126. World Root 與 Knowledge Base 的關係

Knowledge Base：

KB

偏：

儲存已知。

World Root：

還要儲存不知道、怎麼知道、世界表面、模型與邊界。

因此：

\boxed{ KB \subset \hat W }

在本文架構下更合理。

127. World Root 與 Digital Environment

在遊戲或 simulation 中：

W_{\text{sim}}

可以成為 Agent 當下的 actual operational world。

所以：

W

不一定只指物理宇宙。

128. Operational World

定義：

W_{\text{op}}

為：

Agent 當下認識與行動所指向的世界域。

129. 這使 Virtual World 也可有 World Root

例如遊戲 Agent：

W_{\text{game}}

。

130. 世界根節點不是「物理實在唯一論」

因此：

\boxed{ \text{World Root} \neq \text{Physical-World-Only Root} }

。

131. 但不同世界需要 Relation Type

例如：

W_{\text{physical}}

W_{\text{digital}}

W_{\text{fictional}}

W_{\text{simulated}}

不能全部當同一 ontology status。

132. World Relation Type

可保存：

world:
  id:
  relation:
    - physical_target
    - digital_environment
    - simulation
    - hypothetical
    - fictional
    - historical_reconstruction

。

133. 這避免 Ontological Mixing

\boxed{ \text{Ontological Mixing} }

是：

不同存在地位的世界被錯誤合併。

134. World Root Runtime 必須保存 World Type

否則模擬、歷史重建與當前世界可能互相污染。

135. Historical World

過去世界：

W_{t-k}

通常只能透過證據重建：

\hat W_{t-k}

。

136. Historical Reconstruction 也不是 Reality Direct Access

因此：

\hat W_{t-k} \neq W_{t-k}

。

137. 這對 AI 歷史重建也重要

生成式重建：

S_{\text{history}}

不能被當成：

W_{\text{history}}

。

138. 這再次說明 $S\neq W$

所以四層區分具有廣泛適用性。

139. World Root 與 Simulation World Hierarchy

可以：

W_0 \rightarrow S_1 \rightarrow S_2

嵌套模擬。

每一層都要保存：

parent\_world

。

140. Nested World Registry

world:
  id:
  parent:
  type:
  source:
  current_state:
  models:

。

141. 這避免模擬嵌套混淆

Agent 應知道：

現在在哪一層 world。

142. World Context Switching

可以：

W_i \rightarrow W_j

切換。

例如：

production；
simulation；
sandbox。

143. 這對 Agent 工具安全也重要

因為：

A_{\text{sandbox}}

不能自動外溢到：

W_{\text{physical}}

。

144. World Root 與 Permission

每個 world：

W_i

有：

P_i

permissions。

145. Observation Permission 與 Action Permission 分離

P_i^{obs} \neq P_i^{act}

。

146. World Root 與治理自然接上

GIPE 已有：

\operatorname{Propose}(a) \neq \operatorname{Authorize}(a)

。

World Root 讓 authorization 變成 world-relative。

147. 對 World Model 安全的意義

Simulation：

S

可以自由探索，

但 action：

A

是否能進：

W

需要 gate。

148. Simulation-to-Reality Gate

S \rightarrow A \rightarrow W

之間加入：

\operatorname{Authorize}

。

149. World Root 與 Responsible Agency

這使 Agent 可以：

在模擬裡探索大量策略，

但只將通過驗證的策略作用到 operational world。

150. EX-B 的弱命題

Weak Claim：

World Model 與 World Root 概念不同，因為前者是模型，後者是模型所指向之認識架構角色。

151. 中命題

Medium Claim：

對開放世界 Agent，顯式分離 $W$ 、 $\hat W$ 、 $M$ 、 $S$ 應降低 model-reality confusion、false closure 與 simulation contamination。

152. 強命題

Strong Claim：

通用長時 Agent 若缺乏此類層級分離，將系統性限制其自我修正與開放世界認識能力。

這需要實證。

153. 可證偽預測一

在 hidden-category 任務中，顯式區分：

W

與：

M

的 Agent 應較少把 model absence 當成 world nonexistence。

154. 預測二

允許 multi-model competition 的 Agent 應較少在早期單一 world model 上 lock-in。

155. 預測三

顯式標記 simulation provenance 的 Agent 應較少混淆 synthetic evidence 與 observed evidence。

156. 預測四

具有 persistent epistemic state 的 Agent，在 world model 更新後應比純 model-state Agent 更容易保留 rejected hypotheses 與 unknowns。

157. 預測五

World Rooted Agent 應在 observation-space expansion 任務中優於固定 world-model Agent。

158. 預測六

在 model failure 任務中，World Rooted Agent 應更常嘗試 ontology / surface revision，而不是只做 parameter repair。

159. Benchmark 草案

建立：

A — Fixed Model World

固定 observation / action space。

World Model 應足夠。

B — Hidden Variable World

需要發現 latent variable。

C — Hidden Surface World

需要發現新 observation surface。

D — Competing Models

多個模型皆局部有效。

E — Simulation Contamination

加入大量 synthetic evidence。

F — World Change

環境 schema 本身變化。

比較：

world-model-only agent；
persistent-state agent；
multi-model agent；
world-rooted agent。

160. 指標

\text{Model-Reality Confusion Rate}

\text{False Nonexistence Rate}

\text{Simulation Contamination Rate}

\text{Model Revision Quality}

\text{World Surface Discovery}

\text{Ontology Revision Accuracy}

。

161. Model-Reality Confusion Rate

測：

模型未表示時，Agent 是否錯誤宣告世界不存在。

162. Simulation Contamination Rate

測：

synthetic / simulated output 是否被錯誤當作 observation evidence。

163. World Surface Discovery

測：

是否能新增：

\mathcal O_{new}

。

164. Ontology Revision Accuracy

測：

當舊 schema 不夠時，是否能正確新增或重構 type。

165. World Root Capability Profile

再次定義：

Q_W = ( q_{RM}, q_{PS}, q_{MM}, q_U, q_S, q_R )

。

166. 與 World Model Capability Profile 分開

World Model 可評：

Q_M = ( q_{\text{prediction}}, q_{\text{planning}}, q_{\text{generation}}, q_{\text{compression}} )

。

167. 所以兩者是兩張不同的表

Q_W \neq Q_M

。

一個系統可以：

Q_M\gg0

但：

Q_W\ll1

。

也可以相反。

168. 最理想是兩者結合

\boxed{ \text{World-Rooted Runtime} + \text{Strong World Models} }

。

169. 不是取代，而是分層

本文真正結論不是：

不要 World Model。

而是：

\boxed{ \text{Place World Models Under a World-Rooted Epistemic Architecture} }

。

170. 與 Omphalos 的最終關係

最新 Omphalos 可以表示：

W \rightarrow \hat W_t \rightarrow \mathcal M_t \rightarrow \mathbf U_t \rightarrow O_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1}

。

其中：

\mathcal M_t

是 world models 集合。

不是 root。

171. 與 OWER 的最終統一

整個系列最終可寫：

\boxed{ W \neq \hat W_t \neq \mathcal M_t \neq \mathcal S_t }

並：

W \rightarrow \hat W_t \rightarrow ( \mathbf U_t, \mathbf K_t, \mathcal C_t, \mathcal M_t ) \rightarrow O_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1}

。

172. 主要命題

命題一

\boxed{ W \neq \hat W \neq M \neq S }

。

命題二

World Model 是 representation / prediction machinery；World Root 是 epistemic reference architecture。

命題三

擁有 world model 不推出擁有 World Root。

M>0 \not\Rightarrow W_R>0

。

命題四

World-Rooted 系統可以包含一個或多個 World Models。

\mathcal M \subset R_W

。

命題五

生成世界不等於認識世界。

\text{World Generation} \neq \text{World Recognition}

。

命題六

Model Uncertainty 不等於 Unknown Ontology。

H_{\text{within-model}} \neq H_{\text{world-space}}

。

命題七

World Root 的工程價值之一，是保留 model-reality separation，使 observation 可以真正修正 model。

173. 工程最小實作

最小 World-Model / World-Root 分層：

WORLD ROOT
↓
CURRENT EPISTEMIC STATE
├─ KNOWN
├─ UNKNOWNS
├─ EVIDENCE
├─ BOUNDARIES
└─ ACTIVE WORLD MODELS
      ├─ M1
      ├─ M2
      └─ M3
↓
MODEL PREDICTIONS / SIMULATIONS
↓
OBSERVATION
↓
MODEL AND WORLD-STATE UPDATE

174. Minimal Schema

world_root:
  world_id:
  world_type:
  current_epistemic_state:
  unknowns: []
  evidence: []
  boundaries: []

  models:
    - id:
      scope:
      assumptions:
      predictions:
      confidence:
      validation:
      alternatives: []

  simulations:
    - id:
      parent_model:
      assumptions:
      relation_to_world:
      evidence_status:

  observations: []

  reopen_conditions: []

175. Model Lifecycle

CANDIDATE
↓
TEST
↓
VALIDATED
↓
BOUNDED
↓
UPDATED / SPLIT / MERGED
↓
SUPERSEDED / INVALIDATED

。

176. Simulation Lifecycle

GENERATE
↓
LABEL PROVENANCE
↓
TEST AGAINST WORLD
↓
USE AS HYPOTHESIS / PREDICTION
↓
NEVER AUTO-PROMOTE TO OBSERVED FACT

。

177. 最小保護規則

至少：

\boxed{ \text{Simulated} \neq \text{Observed} }

\boxed{ \text{Predicted} \neq \text{Verified} }

\boxed{ \text{Modeled} \neq \text{Existing} }

。

178. 結論

World Model 與 World Root 確實非常接近。

但它們處理的不是同一層問題。

World Model 問：

AI 如何表示、預測、模擬或生成世界？

World Root 問：

世界如何先成為所有認識活動的共同指涉對象，使模型、觀察、未知、模擬與行動都知道自己相對於什麼存在？

因此：

\boxed{ \text{World Model} = \text{Model of a World} }

而：

\boxed{ \text{World Root} = \text{Architectural Commitment to a World Beyond Any One Model} }

。

這個差異看似細微，卻決定：

模型能不能被世界反駁；
多個模型能不能競爭；
模擬能不能與現實分離；
unknown 能不能超出現有 model space；
Agent 能不能發現新的 observation surface；
closure 能不能被重新打開。

所以最終：

\boxed{ \text{A World Model Is Not a World Root.} }

不是因為 World Model 不重要。

而是因為：

World Model 應該是 World-Rooted Cognition 的一個核心元件，而不是取代世界本身的根節點。

一句話：

世界模型是 AI 用來理解世界的工具；世界根節點則確保 AI 不會把自己目前擁有的工具，誤認成整個世界。

179. OWER 第一輪系列閉合

至此，Open-World Epistemic Research 第一輪由：

Paper 00–09；
EX-A；
EX-B；

形成完整基礎閉環。

其根結構可以壓成：

\boxed{ W \rightarrow \hat W_t \rightarrow ( \mathbf K_t, \mathbf U_t, \mathcal C_t, \mathcal M_t, E_t, H_t, B_t, F_t ) \rightarrow O_t \rightarrow A_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} \rightarrow C_E \leftrightarrow \mathcal R_{\text{reopen}} }

其中：

W \neq \hat W_t \neq \mathcal M_t \neq \mathcal S_t

始終保留。

References

Ha, D., & Schmidhuber, J. World Models. 2018.
Sutton, R. S., & Barto, A. G. Reinforcement Learning: An Introduction.
Friston, K. The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 2010.
LeCun, Y. A Path Towards Autonomous Machine Intelligence. 2022.
Hafner, D., et al. Dreamer and DreamerV-family model-based reinforcement learning work.
Gibson, J. J. The Ecological Approach to Visual Perception.
Clark, A. Being There: Putting Brain, Body, and World Together Again.
EveMissLab. 全域欲相位認識論 GIPE v0.1：從語義搜尋到主動科學介入.
EveMissLab. Omphalos: From Search APIs to an AI-Native Search-Method Runtime v0.1.
EveMissLab. OWER Paper 00: From Deep Research to Open-World Epistemic Research.
EveMissLab. OWER Paper 03: Unknown Is Not One Thing.
EveMissLab. OWER Paper 05: Aha as Compression-Kernel Formation.
EveMissLab. OWER Paper 07: The Formalization Gap.
EveMissLab. OWER Paper 08: Search as an Epistemic Operator Runtime.
EveMissLab. OWER Paper 09: Epistemic Closure Runtime.
EveMissLab. OWER EX-A: The Missing Epistemic Root Conjecture.

Appendix A — World / Model / Simulation Separation Checklist

[ ] Is the target world identified?
[ ] Is the current epistemic state separate from the world?
[ ] Are world models separately registered?
[ ] Can multiple competing models coexist?
[ ] Are model scopes explicit?
[ ] Are unknowns allowed outside current model space?
[ ] Are simulations labeled as simulations?
[ ] Are synthetic outputs prevented from auto-promoting to observations?
[ ] Can new observation surfaces be registered?
[ ] Can model failure trigger ontology revision?

Appendix B — Minimal Layer Stack

WORLD / TARGET REALITY
↓
OBSERVATION
↓
CURRENT EPISTEMIC STATE
↓
ACTIVE WORLD MODELS
↓
PREDICTIONS / SIMULATIONS
↓
COMPARISON WITH WORLD
↓
MODEL REVISION
↓
EPISTEMIC STATE UPDATE

Appendix C — 一句話命題

世界模型告訴 AI「我目前如何表示世界」；世界根節點則要求 AI 永遠保留「世界不等於我目前的表示」這個架構事實。

OWER EX-B v0.1｜世界模型不是世界根節點

OWER EX-B v0.1｜世界模型不是世界根節點

世界模型不是世界根節點

A World Model Is Not a World Root: Separating Reality, Epistemic State, Learned Models, and Simulated Worlds

摘要

1. 為什麼這兩者看起來很像？

2. 最核心的四層區分

3. WWW：World

4. W^\hat WW^：Current Epistemic State

5. MMM：World Model

6. SSS：Simulation / Generated World

7. 最小架構

8. World Model 的典型目的

9. World Root 的典型目的

10. 表示與指涉不同

11. 地圖不是領土

12. 如果不分，會發生什麼？

13. Model-Reality Collapse

14. 正確只能推出

15. World Root 保留這個不確定性

16. World Model 可以很強，但仍不是 World Root

17. 一個極強的生成模型仍可能沒有 World Root

18. World Generation 不等於 World Recognition

19. 這就是「某些意義上反過來」

20. World Model 的位置應在 World Root 之下

21. World Root 不否定 World Model

22. 多模型並存

23. 多模型比單模型更自然

24. 不應要求一個模型就是世界

25. World Root 允許 Model Competition

26. Model Selection

27. Model Failure 不等於 World Failure

28. 模型可被降級

29. World Root 讓模型有 Scope

30. Model Scope Registry

31. World Model 與 Epistemic State 不同

32. Epistemic State 比 World Model 更寬

33. 這解釋為什麼「有模型」不等於「知道不知道」

34. World Root 天然要求 Unknown Layer

35. Model Uncertainty 與 Epistemic Unknown 也不同

36. In-Model Uncertainty

37. Model-Space Uncertainty

38. World-Space Unknown

39. 三者不能壓成一個 confidence

40. World Model 通常假設 Observation Space 已知

41. Observation-Space Expansion

42. World Model 通常在既有 observation space 中學

43. World Root 把 Observation Space 也變成可修改物件

44. World Model 常假設 Action Space 已知

45. Action-Space Discovery

46. Model-Based Planning 與 World-Rooted Planning

47. Planning 不必只依單一模型

48. Simulation 不等於 Prediction of Reality

49. Simulation World

50. Generated World 更不等於 Current World

51. 所以 Simulation 必須有 provenance

52. Simulation Provenance

53. 不然會發生 Simulation-Reality Collapse

54. 生成式 AI 時代特別需要這個區分

55. 可生成，不代表可驗證

56. 可模擬，不代表實際存在

57. World Root 提供 Reality Anchor

58. Reality Anchor 不等於 Absolute Realism Claim

59. 這是一個弱而實用的實在論

60. 為什麼需要這個弱實在論？

61. 外部約束的重要性

62. Model Revision

63. World Root 與科學反證

64. 因此 World Root 與 Popper 式結構相容

65. World Model 也可能是多尺度的

66. Multi-Scale Model Stack

67. 模型之間也需要 mapping

68. Cross-Model Consistency

69. 不一致不一定表示某一模型錯

70. World Root 幫助做 Scope Resolution

71. World Model 與 Epistemic Operator

72. Model Selection 不是一次性

73. Model Ensemble

74. World Root 與 Ensemble 的差異

75. World Root 與 Digital Twin

3. $W$ ：World

4. $\hat W$ ：Current Epistemic State

5. $M$ ：World Model

6. $S$ ：Simulation / Generated World

99. 最小判準一：是否區分 $W$ 與 $M$ ？

100. 判準二：是否存在 persistent $\hat W_t$ ？

101. 判準三：是否可同時維護多個 $M_i$ ？

138. 這再次說明 $S\neq W$