世界模型科学：长周期智能体的临界性、弱混沌与亚稳态信念

长周期大模型智能体必须在延伸的观察、动作、工具调用和中间信念序列中维护任务状态。我们从自组织临界性、弱混沌和亚稳态信念动态三个视角研究轨迹。框架把智能体隐含状态与基准真实状态对齐，在显式零模型下衡量压力积累、错误雪崩、时间依赖、局部全局不匹配、有界发散、信念盆地转换与有限尺度缩放。在涵盖受控谜题、工具使用、具身任务、多跳检索、通用助手推理和生命游戏的22项实验中，我们发现全局状态保真度失效后，局部有效动作仍可持续；压力可触发骤然崩溃，错误序列有长记忆，依赖深度改变传播区间，更长任务跨度支持更大雪崩。同时，发散保持有界，信念状态呈亚稳态而非完全混沌，不支持普遍幂律、临界点或共享干预最优点等更强主张。结果提示，智能体世界模型科学应基于轨迹级动力学诊断，而非仅看终局奖励。