一句话定义：代数世界模型（Algebraic AI 词典：World Model">World Model）是一类把“世界如何变化”写成代数结构的世界模型。它用“一组状态变量 + 若干运算规则”来描述变化，并让模型学到这些规则本身，而不是让神经网络逐帧预测下一个画面。
两种世界模型的对比
视频世界模型像一台看片无数的摄像机：它看过大量“苹果落地”的视频后，能画出可信的下一帧，但画面里没有“重力加速度”这个概念。代数世界模型更像牛顿：观察几次后写下 s = ½gt²，此后无论多高、多久，代入公式就能算，还能顺带推出月球轨道。
它大致怎么工作
1. 编码：把观测压缩成少量可命名的量，比如位置、速度、数量、旋转角、物体的排列顺序。
2. 假设运算：将状态转移表示成对这些量的运算，例如加法、乘法、旋转、置换、矩阵作用。常见做法是假定状态构成某种代数结构，比如群（group）、向量空间、半环。
3. 用代数性质约束搜索：闭合性（运算结果仍在集合内）、结合律、存在单位元与逆元、守恒量等性质，本身就是极强的先验知识，能把“从数据里找规律”的搜索空间大幅缩小。
4. 预测即求解：给定初始状态，按规则递推，而不是把历史喂进一个黑箱，去采样“下一帧”。
与视频世界模型的差异
| 维度 | 视频世界模型 | 代数世界模型 | |
|---|---|---|---|
| 预测对象 | 像素、帧、视频片段 | 状态变量与运算规则 | |
| 学到的内容 | 条件分布 p(下一帧 \ | 历史) | 运算表或生成元、守恒量 |
| 泛化方式 | 靠数据覆盖，分布外易失效 | 公式在手即可外推（前提是结构假设成立） | |
| 可解释性 | 弱，看画面猜原因 | 强，每条规则可逐项检查 | |
| 主要代价 | 算力开销大 | 表示怎么定、符号怎么从感知中“接地”很难 |
和相邻概念的分界
- 符号回归（symbolic regression）：通常只拟合出一条公式；代数世界模型要求整套规则在运算下封闭、可组合、能长期递推。
- 神经符号（neuro-symbolic）：更宽泛，泛指神经网络加符号推理，不必然提供代数结构。
- 物体中心世界模型（object-centric world model）：解决“把世界切成对象”，代数世界模型进一步追问对象之间按什么运算组合。
- 因果发现（causal discovery）：给出变量间的因果图，但不一定给出可计算的运算规则。
为什么值得关注
逐帧生成的世界模型有个明显弱点：误差会逐步累积，而且模型很难说清自己依据什么规律。若把规律写成代数结构，就能获得可组合性（把小规律拼成大规律）、守恒约束（能量、动量、数量守恒）以及可验证性——模型给出的是能被人检查的规则，而不是一段似是而非的视频。这对机器人操作、物理仿真、长时程规划、组合推理等场景都有实际价值；对普通人而言，它意味着 AI 的输出可能从“预测下一个画面”变成“给出一个可复用的公式”。
需要提醒的是，“代数世界模型”目前仍是一个演进中的提法，不同团队的具体定义和实现并不完全一致。具体能力和范围，以相关团队的公开论文和官方页面为准。