[AI]《From Observation to Insight: Mechanistic World Models and the Quest for Autonomous Discovery》I Posner, A Lei, B Schölkopf [University of Oxford] (2026)

在人工智能科学领域，从预测性模拟跨越到自主科学发现是一个悬而未决的难题。过去的方法受困于对观测数据的黑盒映射，本质原因是现有模型以预测相关性为核心，而非提取生成观测结果的稳定解释机制。

本文的核心洞见是：把世界模型重新看作可复用机制的知识库。由此，将潜在状态分解为类型化变量与独立变换函数的绑定操作使问题得以解开。这种架构迫使模型不再死记硬背轨迹，而是通过组合模块化的因果块来构建解释。

这项工作真正留下的遗产是为自主发现奠定了从预测转向理解的计算蓝图。它为后来者打开的新门是实现设计即解释的透明架构，但尚未跨过的门槛是在开放领域中实现变量与机制的大规模联合优化。

arxiv.org/abs/2607.12474 #机器学习# #人工智能# #论文# #AI创造营#