Aether AI 发布因果世界模型 CausalWM，获 TriWorldBench 榜首

过去几年世界模型沿 Scaling 路线推进，但人形机器人落地时动作易失灵，行业开始转向因果大模型。近日 Aether AI 发布首个因果世界模型 CausalWM，引入因果思维链用于未来预测，它在 TriWorldBench 评测中获综合第一，还在 R-Bench 和 PAI-Bench 多项测试中领先。当前具身智能分 VLA 和世界模型两类路径，世界模型需从关注画面生成转向理解动作、环境与结果的因果关系。CausalWM 通过提取光流、深度等物理变量，构建阶段有序的推理链，按物理变化顺序分步预测，还设置阶段有序注意力掩码避免信息泄露。其训练采用约 3 万小时混合数据，经像素级预训练、Causal CoT 中期训练和多目标强化学习三阶段。CausalWM 不仅能提升具身智能任务表现，其物理变量还可成为控制信号，帮助模型适应新场景。Aether AI 将其视为因果世界模型路线的一部分，未来因果智能有望延伸至生物医学与科学发现领域，核心目标是让模型理解变化原因并推演干预后的未来。