# 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

```yaml
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

```yaml
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：

1. model / reality separation；
2. persistent epistemic state；
3. multi-model competition；
4. 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：

```yaml
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

```yaml
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：

1. world-model-only agent；
2. persistent-state agent；
3. multi-model agent；
4. 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：

```text
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

```yaml
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

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SUPERSEDED / INVALIDATED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

。

---

# 176. Simulation Lifecycle

```text
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

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

---

# Appendix A — World / Model / Simulation Separation Checklist

```text
[ ] 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

```text
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。**