学习得到的世界模型只有在滚动误差受控的视界内才有实用价值。论文《Conformal Orbit-Valid Trust Horizons for Equivariant World Models》聚焦具有已知群对称性的潜在世界模型，提出对信任视界进行认证的方法。核心思路是：给定一步潜在残差和有限时间展开估计，构造原始视界曲线，再用分裂共形乘性因子对其进行校准，从而得到具有分布性保证的信任视界证书。
在可复现的审计集上，校准得到的共形因子为γ_α=1.0，意味着原始证书在审计协议下已经足够保守。作者在50次稳定审计中未观察到任何反保守违规，据此给出违规率的精确二项95%置信上界为5.8%。这一结果说明该认证流程在实际审计中表现稳健，保守性并未被牺牲。
论文的主要结构结果是：精确等变性能够将校准后的信任视界曲线沿群轨道传输。具体而言，当环境动力学、编码器、预测器、动作变换以及潜在度量同时满足文中列出的等变/不变条件时，滚动误差和信任视界在群轨道上保持常数。这为利用对称性减少校准成本提供了理论依据。
经验层面，实现的模型展现出较小的轨道传输残差：14次轨道审计中残差中位数为1.1%，最大值为4.1%。同时证书并非空洞，认证视界与实测视界之比的中位数为0.67，表明证书给出的视界虽保守但仍具有实际意义。
作者还开展了证书层面的校准成本研究，揭示了两个互补的情形。在对称的二维基底上，等变模型、普通模型和增强模型都能从单一校准扇区获得轨道有效证书，模型之间没有明显区分，因为该基底本身已使非等变基线近似具备轨道鲁棒性。而在三维偏航审计中出现了另一种情形：等变模型能够以单一扇区获得安全且非空洞的轨道有效证书，而健康的非等变基线则需要付出违规、松弛、锐度或额外扇区等代价。
需要强调的是，该证书是一种保守的分布性审计，而非全局可达性保证。此外，证书引导的子目标间距在当前的3D CEM-MPC行为层中尚未得到确认，这提示证书的实际下游应用仍需进一步验证。论文共15页、含6幅图，提交于2026年6月23日，属于机器学习与机器人学交叉方向的工作。