招商局集团先进技术研究院联合南洋理工大学（NTU）提出世界模型后训练监督框架 EVEWorld，把机器人操作目标的物理一致性纳入训练：实例引导恢复（IGR）先构造目标复制扰动、再训练模型恢复原始目标数量，时序实例对齐（TIA）则在视频扩散 Transformer 的选定层做跨帧实例匹配与特征传递。作者把无依据的目标复制或消失定义为“模型偷懒”，并提出模型偷懒率（MLR）。据论文，在 DreamGenBench 上 EVEWorld 将 MLR 从 11.11% 降至 1.59%，相对下降 85.7%，Qwen-IF 与 Gemini-IF 分别提高 6.35 和 7.28 个百分点；在 WorldArena 1.0 的 157 条共享可评估样本中，出现持续性数量异常的视频从 43 条降至 21 条，MLR 相对下降约 51.1%；迁移到 FlowWAM 后在 RoboTwin 上把 MLR 从 47.89% 降到 35.21%。作者同时指出局限：该方法主要依赖局部成对监督，未显式刻画长程状态依赖与复杂多物体交互。

EVEWorld·Instance-Guided Recovery (IGR)·Temporal Instance Alignment (TIA)·+5