构建能够学习、模拟并推理客观物理规律的世界模型，是实现通用人工智能的基础性挑战。当前领域虽在数据驱动的规模定律和统一多模态模型架构上取得进展，但仍缺乏一个定义通用世界模型必备属性的原则性理论框架。

研究指出，一个真正的世界模型必须建立在“一致性三位一体”的基础上：模态一致性作为语义接口，确保不同信息模态间的语义对齐；空间一致性作为几何基础，保证对物理空间结构的准确表征；时间一致性作为因果引擎，实现对动态过程与因果关系的建模。

通过这一三重透镜，研究系统回顾了多模态学习的演进历程，揭示了从松散耦合的专用模块向统一架构发展的趋势，这种架构能够协同催生内部世界模拟器。

为补充这一概念框架，研究团队引入了CoW-Bench基准。该基准专注于多帧推理与生成场景，在统一的评估协议下，对视频生成模型与统一多模态模型进行评测。

此项工作为通向通用世界模型确立了一条原则性路径，既阐明了当前系统的局限性，也指明了未来进展所需的架构要求。