围绕「世界模型」到底是什么，AI 领域至今没有统一定义。李飞飞与 World Labs 将其分为渲染器、模拟器和规划器，LeCun主张在抽象潜空间学习可预测的世界结构，清华大学朱军团队则从第一性原理提出「理解、想象、行动」三项核心能力，并给出从 L1 到 L5 的五级演进路线。论文同时讨论了视频生成、实时交互、机器人控制、数据金字塔、MoT 架构以及 Motus2 的闭环自进化路径。

清华大学等单位研究团队提出 AutoMIA，可将任意两张图片自动转化为镜像错觉 3D 艺术品，并同时优化形状与颜色。论文已被 CVPR 2026 接收为 Highlight Paper，还获得 Efficient CVPR 奖。实验显示，该方法在平滑度、噪声控制、形状一致性和计算效率上优于对比方法，平均设计时间为 76 秒，并已完成 3D 打印实物验证。