Idea: 让 Harness 成为世界模型研究 OS — 看帧、认路线、给 run 打分、再 RSI

[WayneJin0918]

非官方 / unofficial community idea. 不是 DeepSeek 官方功能提案的背书，只是一条已经能跑的研究回路。

DeepSeek 的产品主线可以不做世界模型。Harness 已经是研究操作系统——缺的是 agent 能看见条带、能先认路线、能给 run 打分，然后再谈 RSI。

一条最小回路

look  →  name the route  →  measure  →  RSI the harness layer

步	现在 Harness 已经有的	世界模型研究还想要的
Look	工具返回可以带 image block	对着 pred / GT 抽 first / mid / last，contact sheet + luma sketch
Name	Skill / 知识可以装进 profile	先认三条路线：3D 显示 / Pixel Video Gen / Latent Prediction
Measure	session log、轨迹、fork	一个 run 就是目录；pred vs GT 的 SSIM/MSE；最差帧再看一眼
RSI	Creator、动态挂载、session fork	进化的是 skill / wm.yaml / eval notes，不是偷偷改 U-Net

fixtures/sunset 是 8 帧玩具条带：前半段还暖、后半段被涂成冷蓝，late-horizon 一眼能看出来。不占 GPU。

为什么值得做成 Harness 习惯

#2454 把「任务 → 组合搜索 → 评测 → Scorecard」写清楚了。世界模型这边可以落成一个很具体的 Pack：

• task profile：late-horizon / action-following / exposure bias / 认错路线
• eval case：一个 rollout 目录 + 可选 wm.yaml
• grader：luminance SSIM/MSE（纯 JS）+ 人工看 worst frames
• RSI 对象：skill 和评测笔记，而不是权重

路线图跟 Awesome World Models 对齐：3D prior、2D pixel video、latent space。同一句 “world model” 是三场考试。

已经能玩的草图

社区插件 dsh-wm（非官方）：

dsh plugin --profile wm add github:WayneJin0918/dsh-wm
dsh --profile wm

没有 Harness 也可以：

node cli.js inspect fixtures/sunset --indices first,mid,last
node cli.js diagnose "is Sora a world simulator"

插件分享帖：Show Your Plugins #2618

想听社区怎么看

1. 看帧应不应该成为官方工具返回的一等能力（image block + 文本卡），还是继续各插件自己画 contact sheet？
2. 三条路线有没有必要做成共享知识卡，避免 agent 把 Sora、Gaussian 和 Dreamer 写成一套配方？
3. WM 的 RSI 停在 harness 层（skill / yaml / eval）够不够，还是你们已经在 Creator 里热挂训练插件？
4. 和 Proposal: task-conditioned Harness evolution with evaluable Plugin Packs #2454 的 Pack / Scorecard 叠在一起时，一个 rollout 目录算不算最小 eval case？

欢迎拍砖。我更想先把「能看、能认、能打分」变成 Harness 上的研究习惯，再谈更大的自进化。

---

DeepSeek’s product mainline can skip world models. Harness is still the research OS. The missing habit is: look at the strip, name the route, score the run, then RSI the harness layer.

A concrete sketch lives in unofficial dsh-wm. Open questions above — especially whether “look at frames” should be a first-class tool-render seam, and whether a rollout directory is a small enough eval case for the Pack loop in #2454.