FaceMind 提出循环世界模型 LoopWM，主打隐空间迭代推理

世界模型正在成为 AI 领域最拥挤的赛道之一。从视频生成到具身智能，几乎所有团队都在押注同一个愿景：让 AI 不只是理解世界，而是能预测世界、模拟世界，最终学会在世界中行动。然而截至目前，世界模型在架构、数据与评估体系上都尚未收敛。

在这一背景下，FaceMind 创始人 Adam Lu 选择了一条与主流视觉路线不同的切入路径：不把重点放在逐帧生成，而是将推理留在隐空间，并通过循环式结构应对长时域误差累积等问题。该团队提出的方案被命名为 LoopWM（Loop World Model），相关工作已获得英伟达"highly valued contribution"的评价。

架构思路：在隐空间里循环推理

LoopWM 的核心是让模型像"思考"一样在隐空间中反复迭代，而不是不断堆叠参数与算力。其设计围绕两条主线展开：

• 循环修正：模型在隐空间内持续迭代并修正自身状态，避免每一步都把可能错误的中间状态解码回像素空间，从而防止误差被逐级放大。
• 延迟解码（Deferred Decoding）：只有当隐空间内的推理收束之后才进行解码，配合 Early Exit 等机制，把有限算力分配到真正重要的步骤上。

Adam Lu 表示，许多现有世界模型在测试时扩展上采用类蒙特卡洛树搜索的方式，搜索复杂度会迅速膨胀至指数级；LoopWM 则尝试做线性复杂度的 test-time scaling——在循环收束之后引入随机扰动，让模型继续下一轮 loop，由此扩展推理深度而避免指数级开销。

训练方法：分层课程学习

由于 LoopWM 本身具备循环性质，训练初期的核心难题是长 horizon 任务难以直接优化。团队采用的分层课程学习（hierarchical curriculum learning）包含两个维度：

• 从简单任务到困难任务：先用普通世界模型对样本做分类，准确率高的为简单任务，准确率低的为困难任务，按从易到难递进。
• 从短步到长步：将 rollout 步数作为第二层 curriculum，从 1 步逐步推进到 100 步甚至一两百步。

将两个维度组合后的训练效果明显优于"全部数据随机打乱"的方式。此外，团队在数据选择上也观察到，灵巧手类仿真数据（如 ManiSkill、DexArt）由于操作维度更多、复杂度范围更广，对训练帮助更大；普通夹爪类数据相对收益有限。

缘起：从 Imperial 到 FaceMind

Adam Lu 本科与硕士就读于英国 Imperial College London，期间深受导师 Daniel Rueckert 影响：后者告诫他"不要看机构，只看贡献本身"。随后他在香港中文大学跟随 William 教授攻读博士，并在 MSRA 完成实习。读博期间，他逐渐意识到 benchmark 不一定能反映真实落地效果，于是决心创业。

公司初创阶段曾尝试 AI 陪伴类产品，2025–2026 年正式转向 world modeling 方向，并陆续获得星连资本、360 集团、奇绩创坛等投资。LoopWM 是 FaceMind 在该方向上最具代表性的产出之一。

行业判断与下一步

在 Adam Lu 看来，公司选择大方向与学术科研的逻辑并不相同：投资界更倾向于押注已有共识的方向，再叠加具体创新；因此 FaceMind 并非从全新概念切入，而是在"世界模型"这一公认重要方向内，做架构层面的实质性探索。LoopWM 目前已被部分同行视为可能的新方向。

更长远地看，团队认为世界模型对具身场景而言，更接近"数据提供源"而非单纯的视频生成器；隐空间循环推理有望让机器人不仅生成世界，更在世界中思考。LoopWM 是他们给出的一个阶段性答案，但世界模型是否已迎来"ChatGPT 时刻"，团队认为答案仍未明朗。