自回归世界模型在样本高效决策中表现突出，但其开放回滚往往出现漂移，导致在相对较短的规划范围内误差累积。层次化时间抽象可以通过缩短有效预测时长来缓解漂移，但现有层次结构常引入额外的结构和概念复杂度，难以控制，收益有限。\ \ MHWA（Multi-timescale Hierarchical World-Action model）通过引入跨步的高层上下文通道降低全局上下文的更新频率，从而抑制漂移的传播。关键在于上下文感知路由：门控网络利用全局上下文和当前观测动态重构低层专家混合体，实现高低层灵活协同，减轻静态层次结构常见的干扰。\ \ 实验使用 RLiable 的按游戏种子聚合方法，MHWA（77M 参数）在 14 款 Atari 子集上使用 10% 离线数据，三组训练种子下的 IQM 人类归一化得分 (HNS) 为 0.884，显著高于同规模 JOWA-70M 基线的 0.529，并且在参数量约为后者一半、每序列训练 FLOPs 减少 70.88% 的情况下，性能与 JOWA-150M 相当。\ \ 点评