unified-world-model

跨模态统一世界模型：把 text/code/vision/tool_state 四种模态观察融一潜空间（共享 grounded 状态）， 在其上做跨模态一致性校验、状态转移、前向仿真、反事实推演。与纯文本生成式世界模型不同， 本模型 grounded（有锚定、可证伪）：跨模态事实矛盾被显式标记而非平滑掉。这是一线大模型 仍薄弱、而"可靠地超越"所必需的底层元能力。

unified-world-model（跨模态统一世界模型）

「超越态·自我确证」域的收口能力：text/code/vision/tool_state 融一潜空间做 grounded 仿真。 与生成式"脑子里想的世界"不同，本模型要求每个状态都有多模态事实支撑，矛盾可证伪。

何时使用

• 需要预测某动作后的世界状态（规划、反事实"What-if"、仿真验证）。
• 需要校验多源信息（文本描述 vs 视觉观察 vs 工具返回）是否自洽。
• 需要把异构模态（对话、代码执行结果、截图标签、工具状态）对齐进统一表征。

核心 API（scripts/unified_world_model.py）

• unify([Observation(...)]) → UnifiedState：多模态融合 + 跨模态矛盾检测（groundedness 字段）。
• transition(state, action) / rollout(state, actions)：确定性状态推进。
• predict_next(state, action) → (next_state, uncertainty)：已知动作 uncertainty=0，未知=1.0。
• counterfactual(state, plan, alt_action, at_step) → 两条对比轨迹 + 差异字典。

已知转移（可扩展）

toggle_light / open_door / close_door / run_code / call_tool。

使用流程

1. 把每条证据封装成 Observation(modality, content, facts=..., tags=...)。
2. unify(...) 得到统一状态，检查 contradictions 与 groundedness（<1 即存在跨模态矛盾）。
3. rollout / counterfactual 做前向/反事实推演；predict_next 量化不确定性。

与超级智能体闭环的关系

作为 super-agent 的环境模型节点：规划时仿真分支、执行后用真实观察 unify 校验 预测 vs 实际（groundedness 落差即误差信号），驱动反思重规划。

自进化学习系统

本技能接入 meta-evolver 自进化闭环：每次调用经 scripts/learner.py 记录成败与边界案例， 跨会话沉淀"哪些模态组合易矛盾""哪些动作 OOD"等经验，越用越准。

已知限制

• 转移函数为显式注册（非学习型），未知动作只能给高不确定性、不臆测结果。
• vision 仅接收标签级事实（非像素），如需像素级 grounding 需外接多模态模型。