近日，中国初创公司“脸谱心智”提出的LoopWM（循环世界模型）论文登顶Hugging Face Papers当日Top1，引发AI社区广泛关注。该论文提出通过共享参数的Transformer模块进行循环迭代细化，解决了长时程环境模拟中计算成本高和误差累积的难题。其参数效率最高提升100倍，计算节省达两个数量级，在ScienceWorld测试中比肩参数量高两个数量级的大模型。脸谱心智由95后博士创立，已获星连资本、360及奇绩创坛等数千万元Pre-A轮融资。LoopWM标志着AI从执行系统向世界建模系统迈进，为AI在复杂环境中持续理解世界提供了新路径。

最近，小龙虾创始人Peter Steinberger提出AI新概念“loop engineering”（循环工程），主张通过编写详尽说明书让AI全自动循环工作。然而实测发现，这更像是一场“精神按摩”。在优化生图模型的实验中，该模式暴露出三大缺陷：一是编写几十页的合理说明书极难，细节疏漏易导致时间和Token大量浪费；二是缺乏人工中途干预，AI极易在错误方向上越走越偏；三是仅适用于目标明确、迭代快且试错成本低的特定任务。对普通开发者而言，这种全自动工作流不仅不可控且极其“烧钱”，建议谨慎尝试，别轻易踏进Token的火葬场。