双通道证据关联世界建模 (DCGWM)：通过仅向内梯度流的异构外部证据关联来结构性预防目标干扰崩溃

联合嵌入预测架构 (JEPA) 是世界模型表示学习的领先方法。我们在基于 JEPA 的世界模型中识别出一种故障模式，该模型基于两种性质不同的外部信号：物理动力学（稀疏、高幅度、满足约束的梯度校正）和社会行为动力学（扩散、分布匹配校正）。我们将这种现象称为目标干扰崩溃（OIC）：我们认为共享潜在空间中的联合学习会导致主导通道系统地崩溃从属通道的表征子空间，而这种方式无法仅通过损失权重来解决。我们提出了双通道证据关联世界建模（DCGWM），旨在通过具有仅向内梯度流的分区潜在空间（物理子空间 Z_p，行为子空间 Z_b）从结构上防止 OIC。物理证据通道仅通过 VICReg 式对齐方式更新物理测量的 Z_p；社会行为证据通道通过与涌现多智能体模拟的轨迹对齐仅更新 Z_b。通道间接口模块在任务级别耦合子空间，而无需跨子空间梯度。不对称证据关联附着力损失通过针对物理违规的硬铰链和针对行为分歧的软 KL 来惩罚滚动漂移。生成渲染层在架构上与潜在世界模型隔离。我们提出了三个理论结果：分区消除了 OIC 中涉及的梯度干扰路径；每个具有外部证据依据的子空间都从其对齐目标继承抗崩溃保证；在对生成目标几何形状的既定假设下，生成隔离是必要的。该手稿建立了问题的表述和架构；实验验证正在进行中，并将在未来的修订中报告。