来自卡耐基梅隆大学、沙特穆罕默德・本・扎耶德人工智能大学和加州大学圣迭戈分校的研究者们在论文《Critiques of World Models》中批判了当前世界模型的局限性，并提出了一种新的世界模型架构PAN。
研究者指出了构建、训练世界模型的五个重点方面，并认为仅用连续嵌入来表示世界状态是脆弱的，最佳路径是采用混合表示。他们还提出了基于数据空间的生成式重构目标函数，以避免模型学习到不相关的细节。
论文还提出了一种新的世界模型架构PAN，基于分层、多级和混合连续/离散表示，并采用了生成式和自监督学习框架，旨在实现智能体的推理和决策。
