一、从单向生成到交互式推演时序预测能力的突破二、多模态对齐与联合表征打破语言孤岛三、隐式物理直觉与常识推理让模型懂“重力”和“碰撞”四、大规模交互数据驱动的自监督学习在行动中构建世界模型五、可微分环境模拟与规划实现“内心试错”的闭环