Looped World Models

Looped World Models 是脸谱心智提出的世界模型路线。当前来源把它描述为把 loop 引入世界模型架构：模型不是一次性理解环境，而是在隐藏状态中进行多轮更新和修正。

观察

这一路线把 Loop Engineering 从工作流层推进到模型层：loop 不只是“任务失败后再调用工具”，也可以是 latent state 内部的迭代 refinement。
如果该路线成立，它与世界模型的关系在于：世界模型不只预测下一个状态，还可能通过内部反复修正形成更稳定的环境理解。
技术报告把参数共享与自适应计算深度作为核心，并报告“最高 100 倍参数效率”。这是作者在报告内的结果，不是任意数据集、延迟预算或硬件上的通用结论。
它与 Ego-NeuroLoop 构成模型和数据的配对：前者强调 looped architecture，后者强调人类闭环数据。