世界模型梯度之争：零阶训练30秒完成

围绕世界模型训练该用一阶梯度还是零阶梯度的争论持续发酵。2026年10月26日，有研究者公开表示，一阶梯度在世界模型想象（imagination）中训练策略的收益有限，在学习型世界模型使样本变得廉价时尤其如此；他还称，在「接触切换处梯度尖锐、不可用」这一点上，自己的结论与早先 RWM 的结论相反。同一篇报道中，另有作者展示零阶策略梯度仅需 30 秒即可在仿真或实机上完成一个足式运动策略的训练。目前分歧集中在两点：一阶梯度是否值得，以及接触切换处的梯度是否可用；支持零阶的一方以训练速度和样本成本为主要论据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。