夜雨聆风
你是一个AI智能体。
你被放进一个陌生环境，身边还有一个从未见过的队友。
你不知道它会怎么行动，不知道它的策略，也看不到它的“内心”。
但你做了一件很像人类的事：
你开始想象它。
你在脑子里模拟它可能要去哪里、想做什么、会不会配合你、会不会突然改变计划。
换句话说，AI开始“梦见”队友了。
这正是论文 《Dreaming Of Others: Latent Teammate Modeling In World Models For Multi-Agent Reinforcement Learning》 想表达的核心思想。
这篇工作被 2026 World Modeling Workshop 接收，并于 5 月 29 日挂上 arXiv。虽然它目前更像是一篇概念性论文，但提出的问题非常有意思：
世界模型不应该只模拟物理世界，也应该模拟“别人怎么想”。
01
过去的AI，只会梦见世界
先说什么是世界模型。
在强化学习里，世界模型的思路很直观：
让AI先学会一个“脑内世界”。
它不用每次都真的去环境里试错，而是可以在自己的模型里提前想象：
如果我这么做，会发生什么？
如果我走这条路，会不会失败？
如果我改变策略，结果会不会更好？
DeepMind 的 Dreamer 系列就是代表。它让智能体在“梦境”中进行大量想象 rollout，然后用这些想象出来的经验训练策略。
这有点像人类下棋：
高手不会真的把棋子一步步乱走，而是在脑子里预演很多种可能。
AI也是如此。
只不过，过去的世界模型主要梦见的是：
环境怎么变化。
比如门会不会打开，箱子会不会移动，奖励会不会出现。
但问题来了。
真实协作任务里，影响结果的不只有环境。
还有队友。
02
一旦有队友，世界就“不稳定”了
单智能体强化学习里，环境通常被假设是相对稳定的。
你做一个动作，环境给一个反馈。
但多智能体场景完全不同。
因为你的队友也在学习，也在决策，也在变化。
今天它喜欢往左走，明天它可能学会了往右走。
这一刻它想搬箱子，下一刻它可能突然去拿钥匙。
对你来说，队友不是背景。
队友本身就是环境的一部分。
更麻烦的是，你通常看不到队友的策略，也不知道它真正的意图。
你只能通过它的行为猜测：
它是不是要配合我？
它是不是误解了任务？
它是不是有自己的计划？
这就是多智能体协作最难的地方：
你必须和一个你看不懂的队友合作。
03
传统方法：要么开上帝视角，要么共享大脑
多智能体强化学习里，常见路线大致有两类。
第一类是 CTDE，也就是“中心化训练、去中心化执行”。
训练时给智能体开上帝视角，让它们看到全局信息；真正执行时，再让每个智能体只用自己的局部观测行动。
MAPPO、QMIX 这类方法都属于这一大类。
第二类是把世界模型扩展到多智能体系统里。
比如 MA-Dreamer、CoDreamer 等方法，会让多个智能体共享某些潜在状态，或者在统一的想象空间里协同训练。
这些方法当然很强。
但它们往往隐含一个前提：
训练时可以拿到比较丰富的中心化信息，或者智能体之间可以共享某些内部表示。
可现实世界未必如此。
人类协作里，我们很少真正知道别人脑子里在想什么。
我们更多时候是在观察、猜测、修正，再继续协作。
这篇论文的切入点就在这里：
不靠上帝视角，不靠通信信道，而是让每个智能体自己建模队友。
04
核心思想：把队友“塞进”世界模型
这篇论文最有意思的地方，是它把世界模型拆成了两部分。
过去，世界模型通常只压缩一个整体潜在状态。
现在，作者提出可以把潜在状态分解为：
z_t = [z_t^env, z_t^team]其中：
z_t^env 表示环境状态。
它负责建模物理世界，比如位置、物体、地形、任务进展。
z_t^team 表示队友状态。
它负责建模队友的行为模式、意图倾向和可能动作。
这一步很关键。
因为它意味着，AI脑中的“世界”不再只是地图、障碍物和奖励。
它还包括另一个智能体。
也就是说：
世界模型开始拥有社会维度。
05
AI如何“读懂”队友？
当然，AI并不是真的读心。
它做的是行为推断。
论文中引入了一个类似“心智理论”的模块，也就是 Theory-of-Mind 头。
这个模块会根据局部观测到的队友行为，推断队友的潜在嵌入。
比如：
它经常先去拿食材，说明它可能偏向准备型角色；
它总是靠近目标区域，说明它可能在主动完成任务；
它突然改变路线，可能意味着它发现了新的机会或障碍。
这些信息会被压缩进 z_t^team。
然后，智能体在自己的“梦境”中训练策略时，不再只想象环境怎么变。
它还会想象：
这个队友可能怎么行动？
我该如何配合它？
如果它换一种风格，我还能不能协作？
这就是标题里的“梦见队友”。
不是文学修辞，而是技术路径。
06
真正厉害的地方：遇到陌生队友也能协作
这个方向最值得关注的能力，是零样本协作。
什么叫零样本协作？
就是AI遇到一个从没见过的队友时，不需要重新训练，也能马上配合。
这在人机协作、多机器人协作、自动驾驶、游戏AI、智能制造里都非常重要。
因为现实世界中的队友不可能永远固定。
你今天合作的是这个人，明天可能换成另一个人。
每个人的习惯、节奏、偏好都不同。
一个真正有用的AI，不应该只会和“训练时见过的队友”合作。
它应该能观察几步，就大致判断：
这个队友是什么风格？
它想怎么完成任务？
我应该主动补位，还是让它主导？
这篇论文提出的队友潜在建模，正是朝这个方向迈了一步。
07
为什么这件事重要？
我认为这篇论文值得关注，不是因为它已经给出了惊艳实验结果。
事实上，它目前更像是一个概念框架，实验验证还没有完全展开。
它真正重要的地方在于，它把一个长期被忽略的问题摆到了台面上：
AI要想协作，就不能只理解世界，还要理解队友。
过去的世界模型，更像是“物理世界模拟器”。
它关心的是物体怎么动、状态怎么变、奖励怎么来。
但未来的世界模型，可能还要变成“社会行为模拟器”。
它不仅要回答：
如果我这样做，世界会怎样？
还要回答：
如果我这样做，队友会怎么理解？
如果队友这样行动，它可能想表达什么？
我怎样才能和它形成默契？
这才是真正的协作智能。
08
从多智能体，到人机协作
这个方向还有一个更大的想象空间：
人机协作。
人类比AI队友更复杂。
人类会犹豫，会犯错，会临时改变计划，也会有自己的偏好和习惯。
如果AI只能按照固定策略行动，它就很难成为真正可靠的助手。
但如果AI能通过世界模型模拟人的潜在行为模式，它就可能变得更“懂人”。
比如在协作厨房里，它能判断人类下一步可能要拿盘子；
在智能驾驶中，它能推断其他驾驶员的意图；
在机器人协作中，它能提前补位，而不是等命令；
在复杂任务规划里，它能根据人的风格调整自己的动作。
这听起来像“读心”。
但更准确地说，是基于观察的行为建模。
AI不是知道你在想什么。
而是通过你的行为，构建一个关于你的动态模型。
09
当然，挑战也不少
这个方向很有潜力，但问题也很明显。
第一，队友数量增加怎么办？
一个队友还好，如果有十个队友，z_t^team 怎么设计？是每个队友一个表示，还是整体压缩成团队状态？
第二，想象会不会越想越错？
如果队友建模本身有误差，那么在世界模型里反复 rollout，误差可能会被不断放大。
第三，如何证明它真的理解了队友？
模型预测动作准确，不一定代表它理解了意图。
它可能只是学到了表面相关性。
第四，实验还需要补上。
这篇论文目前最吸引人的地方是思想，而不是结果。它提出了评估方向，比如 Multi-Agent Particle Environments、Overcooked-AI、Melting Pot 等，但真正的性能提升还需要后续实验验证。
10
写在最后：AI协作的下一步，是“想象他人”
这篇论文最后有一句话很漂亮：
智能体不仅要梦见它所处的世界，也要梦见共享这个世界的其他心智。
这句话概括了整篇工作的野心。
世界模型过去解决的是“我如何理解环境”。
而多智能体世界模型要解决的是：
我如何理解和我一起行动的别人。
这也许是AI从“单体智能”走向“协作智能”的关键一步。
当AI不仅能预测物理世界，还能模拟队友行为、理解协作意图、适应陌生伙伴时，它就不再只是一个会执行任务的工具。
它开始像一个真正的合作者。
所以，“AI梦见队友”听起来像科幻。
但它背后的问题非常现实：
未来的AI，究竟是一个孤独的决策者，还是一个能理解他人的队友？
这篇论文给出的答案是：
先让它学会，在脑子里想象别人。
参考论文
标题：Dreaming Of Others: Latent Teammate Modeling In World Models For Multi-Agent Reinforcement Learning作者：Tomas Leroy-Stone会议：2026 World Modeling Workshop PosterarXiv：2605.31361
