学新任务后，AI 常像一个还记得规则、却突然不会操作的玩家。Gurp Nijjer 的研究把这种“灾难性遗忘”拆开检查：在模型式强化学习中，世界模型负责在脑内预演后果，Actor（策略）负责真正出招。即使无限回放旧经历，普通方法仍未能保住四项连续任务；但作者发现，世界模型对旧任务的奖励、价值和结束条件等信息基本仍在，崩掉的主要是 Actor。
这让“梦境重演”有了更明确的修补对象：世界模型生成旧任务的模拟经历，再挑出较好的轨迹，让 Actor 用监督式自我模仿重新练习。冻结同一个世界模型、使用相同模拟数据时，常规强化学习在 3 个随机种子中均未找回旧技能，自我模仿则 3 次全部恢复，而且不再与真实环境互动。训练中穿插这套方法后，四任务和八任务序列均有 3/3 种子通过，普通回放在四任务上为 0/3。不过实验只覆盖 MiniGrid 和一套约 1700 万参数的智能体，能否推广到更大场景仍未知。