公開約 30–45 分鐘 · 會員工作紙另加 · 聯絡 psyche@mail.grokbot.com
| 面向 | 大型語言模型（LLM） | 世界模型（World Model） |
|---|---|---|
| 主要預測什麼 | 下一個 token | 環境的下一狀態 |
| 輸入典型形態 | 文字／多模態提示 | 狀態＋行動 |
| 強項 | 語言推理、工具、知識綜合 | 物理／互動／因果演變 |
| 常見用途 | 對話、寫作、程式、Agent 編排 | 機器人、自駕、可交互環境、遊戲 |
| 一句記 | LLM 預測下一個字；世界模型預測下一狀態。 | |
實務上常互補：LLM 編排語言／工具；世界模型預測行動後世界變成怎樣。
空間／3D 世界理解與生成；以 World Labs 官方為準。
研究路線：潛在空間下一狀態；名稱與公開程度會變。
入口：PyBullet · MuJoCo · Gymnasium · Spinning Up。
預測目標（LLM）：________ 預測目標（世界模型）：________ 一個你熟悉的 Agent 場景：________ 在此場景，LLM 負責：________ 世界模型／模擬器負責：________ 若沒有世界模型，最大風險是：________ 一句總結（≤ 40 字）：________
紙上格子或 PyBullet GUI；寫清觀測／行動／下一觀測。
環境描述（格子／機械臂／CartPole…）：________ 初始觀測 o0：________ 行動 a0：________ 預期下一狀態（你的猜測）：________ 實際下一觀測 o1：________ 差異（若有）：________ 重複 3 次後的規律（一句）：________ 連結：course-agentic.html#physics-sim · course-reinforcement-learning.html
【Genie】 官方頁已開：□ 一句話它預測／生成什麼：________ 輸入／輸出形態：________ 與「可交互環境」的關係：________ 【Cosmos】 最新專頁連結（自填）：________ 強調的物理／具身場景：________ 與 Isaac／機器人訓練如何對上：________ 【Marble／World Labs】 空間／3D 重點（自填）：________ 與 CV／3D 課可對接的一點：________ 選一個系統，寫「我下一步只做一件事」：________
本週只選一條主線（打勾一項）： □ 物理模擬（PyBullet／MuJoCo 官方範例） □ RL（CartPole／Gymnasium · course-reinforcement-learning.html） □ 運動學（FK／IK · course-agentic.html#kinematics） 主線完成標準（可檢查）：________ 需要的前置（Python／DL／CV）：________ 完成後如何回寫「世界模型一句話」：________ OPC／Agent 場景可套用處（選填）：________
中文：________ English: ________ 給非技術朋友的譬喻（可選）：________
Agentic AI 全課 → · 強化學習 · 物理模擬 · Computer Vision · Agentic 路線圖 · 課程總覽
登入會員後可標記完成並同步至儀表板。