附录 B　数据、算力与交付标准

本附录统一规定数据切分、泄漏检查、算力配置、实验复现与课程交付。正文只引用这些规则，不重复罗列清单。

数据切分

世界模型的数据单位是 episode，而不是彼此独立的帧。默认先按 episode 切分，再从每个集合内部采样序列：

episodes
├── train
├── validation
└── test

同一 episode 的相邻帧不得分散到训练集和测试集。多个相机同时记录同一事件时，也必须作为同一组切分。

泄漏检查

提交实验前逐项确认：

• 归一化统计量只由训练集计算；
• 测试 episode 没有参与码本、词表或缓存构建；
• 预测时没有读取 horizon 内的未来帧；
• teacher forcing 与自由 rollout 分开报告；
• 数据增强没有把同一原始片段复制到不同集合；
• 机器人多视角数据按任务实例而非单帧切分。

数据可用状态

外部数据统一标注为四种状态：

1. 仓库内生成：代码、种子和生成器版本齐全；
2. 可自动下载：固定 URL、版本、许可证和校验值齐全；
3. 需手动申请：正文提供申请入口和预期目录；
4. 不可公开：只用于背景介绍，不作为必做实验。

算力配置

每个实验区分三档：

配置	用途	允许的结论
smoke	检查接口、shape 与梯度	只能说明代码可运行
course	完成课程对照实验	可以报告课程指标
research	扩大数据、模型或种子	可以探索研究假设

课程主线以单张 24GB 显卡为上限；CPU smoke 不得冒充完整训练证据。

复现记录

每次正式运行至少记录：

experiment
git_commit
command
seed
dataset_version
split
device
wall_time
peak_memory
checkpoint_sha256
metrics

推荐使用仓库中的 RunManifest。没有测量到的字段保留为空，不用估计值补齐。

动手实验达标线与产物接力

全书 23 个动手页共用一条规则：达标线必须是一个可检查的事实，不是一个感觉。各页的评分表/验收标准给出细则，本表给出全局最低线——没过这条线，该页不算完成。

动手页	达标线（全局最低）
1.4 在想象中驾驶	完成交互体验：能说明问号、猜对、猜错分别意味着什么
2.7 核心组件	全部接口断言与单元测试通过
3.5 表格型世界模型	九格闭环跑通；留出 episode 上转移预测一致；数据卡齐全
3.6 神经网络世界模型	四类评价齐全，找到一组稳定失败，写出下一步需求
4.6 RSSM 从零实现	梦境分数与真实分数同时报告，并解释两者差异
4.7 想象训练	配方档：想象 rollout 上的策略更新跑通；简洁档：八项必交证据齐全
5.5 交互式视频从零实现	预测训练收敛；换动作的反事实差异图留档
5.6 受动作控制的视频小世界	动作反事实与 teacher forcing/free rollout 对照齐全
6.5 JEPA 从零实现	表示坍缩排查通过；linear probe 能读出位置
6.6 视频 JEPA 简洁实现	反事实动作差异与公平对照齐全；不把一步选择冒充 MPC
7.6 扩散策略从零实现	三档策略同预算对照带置信区间；双模态场景复现 MSE 平均化
7.7 现实迁移	三档对照带 $n$ 与置信区间；跨模拟器差异有数字
7.8 世界模型接上身体	基线、统计、失败分析三件套齐全；公开 artifact 可访问
8.6 占用网格预测	重建/占用指标与对照基线同表报告
8.7 驾驶场景四维世界	所选分支评分表全部勾选
9.2 系统评测	六项审问跑完，且迁移到自己训练的模型
9.3 失效分析与模型改进	稳定失败、两种竞争解释、最小改动、证伪实验四件齐全
9.4 设计新的世界模型	短报告含「能证明自己错」的实验设计

产物接力：后页消费前页的权重与数据，不要每页从零开始。

1.4 交互体验 → 3.5 表格世界 → 3.6 可学习世界（第一台神经世界模型）
4.6 RSSM / World Models → 4.7 想象训练（配方 + 简洁档，权重）──┐
5.5 交互式视频 → 5.6 受动作控制的视频（权重）──────────────────┤
6.5 JEPA 从零 → 6.6 视频 JEPA 简洁实现（权重）──────────────────┤
                                                                 ▼
7.6 扩散策略 → 7.7 现实迁移 → 7.8 毕业设计
8.6 占用网格 → 8.7 驾驶场景四维世界
所有路线 → 9.2 系统评测（加载你训出的任何一台）→ 9.3 失效分析 → 9.4 新的世界模型

交付规范

一次完整课程交付包括：

• 可执行命令；
• 环境与依赖版本；
• 数据来源与切分；
• 至少一个弱基线；
• 主要指标与方差；
• 多步或闭环结果；
• 典型成功与失败样例；
• checkpoint 或其校验值；
• 已知限制；
• 一段不夸大的结论；
• 可公开时，数据集与模型发布到 Hub（或 ModelScope）并附数据卡/模型卡；不可公开时写明原因。

评测方法见第 9 章，本附录只负责让结果可以被复核。