世界模型相关 AI 资讯 · AITOP

7月9日

14:55

14:55IT之家（博客/媒体）

精选

蚂蚁灵波开源了全新实时交互世界模型LingBot-World 2.0（14B参数），支持720p/60fps高清画面，可实现小时级不间断生成且画质不衰减。该模型支持战斗、跳跃、滑翔等丰富动作，以及文本驱动的事件注入，内置Pilot Agent和Director Agent机制，还支持多人同时探索。开源版本采用非商用开源协议，已联合Reactor和灵光APP提供在线体验。该模型可应用于游戏开发、交互式创作、自动驾驶仿真和具身智能训练。

事件专题

推荐理由：蚂蚁灵波开源的世界模型能让你实时操控高清场景，战斗跳伞滑翔，多人一起玩，连续跑一小时不崩，比传统模型强很多。

原文

12:57

量子位@量子位的朋友们

71°

蚂蚁灵波团队开源了LingBot-World 2.0，这是首个支持小时级生成的世界模型，将以往数天的生成时间缩短到数小时内。该模型支持AI原生多人交互，用户可实时参与并影响场景演化。LingBot-World 2.0在多个物理模拟基准上达到SOTA，例如在Habitat测试中导航成功率提升12%。这意味着开发者可以用更低的成本构建逼真的虚拟环境，加速具身智能研究。

AI模型 LingBot-World 2.0 蚂蚁灵波世界模型

事件专题

推荐理由：想低成本搞个能交互的虚拟世界？蚂蚁灵波开源了LingBot-World 2.0，小时级就能生成，还支持多人一起玩，比之前那些模型快多了。

原文

03:40

AK@_akhaliq

LingBot-World 2.0（Infinity）模型已在 Hugging Face 发布，支持长达一小时的交互式世界生成，且零质量漂移。模型内置丰富动作与事件系统，包括攻击、施法、射击、召唤风暴等。通过 Director Agent 智能体驱动世界实时演化，输出 720p/60fps 画面，用户可像游戏一样自由探索。

AI模型 LingBot-World Hugging Face 世界模型

推荐理由：LingBot-World 2.0 能生成一小时长、720p/60fps 的交互世界，Agent 驱动事件变化，像游戏一样可玩。

原文

7月8日

22:35

量子位@思邈

魔芯MoWorld发布了世界模型产品，推理速度达到50FPS。相比传统方案，其成本降低70%。该产品已获得华为和联想的投资。这标志着世界模型进入产业应用阶段。

AI产品魔芯MoWorld 华为联想

推荐理由：50FPS跑世界模型还能降本70%，华为联想都投了，这是产业落地的信号。

原文

18:35

18:35IT之家（博客/媒体）

7月8日Momenta在港交所挂牌上市，代码6880.HK。凯迪拉克同日宣布，将行业首发量产Momenta R7强化学习世界模型。该模型分为预训练、仿真、强化学习三层，通过海量真实驾驶数据压缩物理规律。目前搭载Momenta系统的量产车辆突破100万台，交付超100款车型，累计定点超210款。

AI模型 Momenta R7 凯迪拉克

推荐理由：凯迪拉克要首发量产Momenta的R7世界模型了，这个模型能通过强化学习理解物理规律，让自动驾驶更靠谱。

原文

15:19

官方一手marktechpost@Sana Hassan

精选

本教程使用NVIDIA的cosmos-framework，在Colab上构建紧凑的Omnimodal Mixture-of-Transformers模型。该模型共享跨模态注意力，路由文本、视觉、动作各模态到专属专家。通过合成物理世界数据和自回归rollout，模型预测未来潜状态。教程展示了如何用小型版模拟Cosmos 3世界模型的核心能力。

技巧 NVIDIA Cosmos 3 Omnimodal Mixture-of-Transformers

事件专题

推荐理由：NVIDIA发了个Colab友好教程，教你搭简化版Cosmos 3世界模型，用Omnimodal MoT架构实现跨模态预测，比跑全量模型省资源。

原文

10:16

官方账号arXiv cs.AI@Xinyuan Chen, Haoyu Guo, Shi Guo, Bingqi Jiang, Chunhua Shen, Xing Shen, Tianfan Xue, Yufei Xue, Mulin Yu, Weinan Zhang, Bin Zhao, Bowen Zhou, Ming Zhou

一篇视角文章提出了世界模型的科学定义和分阶段路线图，涵盖从基于模型的强化学习、视频生成到具身机器人和物理AI等子领域。文章指出当前对世界模型缺乏共识，并讨论了关键技术方面，包括预测内容与构建方法。它为不同研究方向的世界模型开发提供了系统性框架。

论文世界模型强化学习视频生成

推荐理由：这篇给了世界模型的具体定义和路线图，适合想了解它在强化学习、视频生成、机器人等领域不同玩法的人。

原文

7月7日

23:15

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA研究团队在ICML2026发表论文“Fast Autoregressive Video Diffusion & World Models with Temporal Cache Compression & Sparse Attention”。该方法通过时空缓存压缩和稀疏注意力解决自回归视频扩散中的注意力瓶颈。实验显示可实现5倍至10倍的推理速度提升，并在长序列生成中保持恒定内存占用。该工作同时适用于视频扩散模型和世界模型。

论文 NVIDIA ICML2026 视频扩散

事件专题

推荐理由：NVIDIA发的新论文，用时空缓存压缩和稀疏注意力，让视频扩散生成速度飙5-10倍，内存还不涨，搞视频生成和世界模型的朋友可以看看。

原文

02:29

The Rundown AI@therundownai

Kyutai Labs与Gen Intuition联合Epic Games发布MIRA模型，参数规模5B，在单张Nvidia B200上以20帧/秒实时生成完整2v2火箭联盟比赛画面，无物理引擎或渲染引擎。模型仅从视频和控制器输入自监督学习，已开源代码、技术报告及1000小时数据集。局限在于模型记忆仅约4秒，回放时会遗忘比赛目标并幻觉生成替代画面。

AI模型 MIRA Rocket League Kyutai Labs

事件专题

推荐理由：Kyutai Labs开源了MIRA，一个在神经网络里直接跑《火箭联盟》的模型，5B参数、20fps，不用游戏引擎纯靠学习生成，比传统游戏模拟器有意思多了。

原文

7月6日

19:52

量子位@贾浩楠

蔚来面向70万车主推送世界模型OTA升级，实现100%覆盖。所有车辆均成功更新至最新版本，无人留在旧版本。全量推送策略相比分批次升级显著提升了用户体验。

AI产品蔚来世界模型 OTA升级

推荐理由：蔚来直接把世界模型OTA推给了70万车主，全量更新没落下任何人，升级体验很丝滑。

原文

7月5日

15:57

量子位@henry

LeCun团队提出新方法使世界模型具备持续学习能力，克服了灾难性遗忘问题。该方法在多个连续任务上保持模型性能，无需重新训练。研究展示了世界模型在动态环境中的适应潜力。

AI模型 LeCun 世界模型持续学习

推荐理由：LeCun团队搞了个新研究，让世界模型能一直学新东西不忘记旧的，跟之前的世界模型不一样。

原文

7月4日

00:42

量子位@田, 晏林

上海交大与中科院团队提出Cell-JEPA模型，基于LeCun的JEPA架构，在单细胞RNA-seq数据集上预测基因表达动态。在10个基准数据集上对比传统VAE模型，平均预测误差降低23%。模型能推断基因调控网络，复现已知生物通路。相关工作已发布于bioRxiv预印本。

AI模型 Cell-JEPA JEPA 世界模型

推荐理由：中国团队把JEPA用在了细胞里，预测基因动态比之前准了23%，还能还原生物通路，有点意思。

原文

7月3日

11:25

官方账号arXiv cs.AI@Yuquan Xue, Le Xu, Zeyi Liu, Zhenyu Wu, Zhengyi Gu, Xinyang Song, Bofang Jia, Ziwei Wang

WorldSample 提出一种物理基础的数据增强框架，通过世界模型生成高保真合成轨迹，解决真实机器人强化学习交互成本高的问题。在接触性和精密机器人操作任务中，WorldSample 将策略成功率提升 28%，训练步数减少 59%。世界模型视觉保真度提升 19.4dB PSNR 和 0.47 SSIM，验证了真实-合成循环的有效性。

论文 WorldSample 强化学习世界模型

推荐理由：机器人强化学习的新思路，WorldSample 用世界模型生成合成数据，成功率提28%还省了59%训练时间，值得一看。

原文

11:03

berryxia@berryxia

Orca论文提出预测下一个状态而非下一个token，使用12.5万小时视频和1.6亿事件标注训练模型。该模型在预训练阶段未使用任何动作标签，但自主学会了抓取等机器人动作。相比GPT的统计模仿，Orca通过视频学习建立对物理世界的内在表示，能同时支持语言生成、图像预测和机器人行动。这标志着从统计模仿向物理理解的潜在突破。

论文 Orca GPT Sora

推荐理由：Orca用12.5万小时视频训练，没给动作标签就让机器人学会抓取，跟GPT那种猜词完全不是一个路子。

原文

7月2日

14:50

量子位@思邈

加州大学伯克利分校研究团队提出一种具身智能数据采集新范式，通过同时采集人类肌电信号和脑电信号来训练世界模型。该方法在Meta的Habitat 2.0模拟环境中，使机器人物体操作任务成功率从52%提升至81%。系统使用20通道肌电手环和16通道脑电头戴设备，采集数据量仅为传统示教法的1/10。

论文具身智能世界模型脑机接口

推荐理由：这篇讲的是怎么让机器人边看你干活边学习，还能读你的脑电波，比传统示教省事多了。

原文

7月1日

23:38

The Rundown AI@therundownai

Odyssey公司融资3.1亿美元，估值14.5亿美元，由Amazon和AMD Ventures领投。其Agora-1模型能实时生成黄金眼游戏的地图、物理和多人对战，全部从数据学习而非编程。该模型让最多4名玩家共享同一AI模拟，且无硬编码规则。公司称世界模型正接近GPT-3时刻的转折点。

AI模型 Odyssey Agora-1 黄金眼

推荐理由：Odyssey用世界模型实时生成了黄金眼游戏，不用写一行规则，还能四人联机。这才是AI模拟物理世界的方向。

原文

16:59

量子位@思邈

Loop世界模型论文在Hugging Face热门榜登顶，该模型由中国初创公司研发，允许AI通过反复推演世界状态进行推理。模型获得360创始人周鸿祎和奇绩创坛陆奇等投资，引发关注。论文展示了世界模型在复杂推理任务上的潜力。

AI模型 Loop 世界模型 Hugging Face

推荐理由：中国初创搞的世界模型火了，能反复推演不同情境，Hugging Face上热度第一，周鸿祎和陆奇都投了，做推理模型的朋友可以看看。

原文

6月30日

14:59

AI Will@FinanceYF5

AGI Summit SF 2026 公布第二弹嘉宾：Vishal Vasishth、Fan-Yun Sun、Daksh Gupta、Alberto Taiuti、Gavin Zheng、Raymond Chen、Joshua McKibben。演讲覆盖世界模型、AI信任、代码安全、基础设施扩展、影响力投资等7个方向。峰会将于2026年在旧金山举办。

行业 AGI Summit SF 2026 AI安全世界模型

推荐理由：看AGI Summit SF 2026第二波嘉宾，7位专家讲世界模型、AI安全、基建扩展，话题挺全的。

原文

14:30

AI Will@FinanceYF5

Christopher Manning（GloVe词向量、Transformer注意力机制联合发明人）将于Stanford HAI发表演讲。他曾获2024年IEEE John von Neumann Medal。演讲主题聚焦世界模型，探讨语言模型遇上具身智能。他是Stanford NLP Group创始人及CS224N课程创建者。

行业 Christopher Manning GloVe Transformer

推荐理由：GloVe和Transformer的创造者Manning要讲语言模型怎么和机器人结合了，想了解具身智能世界模型的可以听听。

原文

13:54

官方账号arXiv cs.AI@Xuan Zhang, Wenxuan Zhang, See-Kiong Ng, Yang Deng

WorldEvolver是一个自进化世界模型框架，在部署时通过记忆模块修正上下文，同时保持下游智能体和模型参数冻结。它包含三个模块：Episodic Memory利用检索模拟实际动作转换，Semantic Memory从预测-观测不匹配中提取启发式规则，Selective Foresight过滤低置信度预测。在ALFWorld和ScienceWorld上评估，WorldEvolver在Word2World上取得最高预测准确率，并在AgentBoard上显著提升下游智能体成功率。实验表明，测试时记忆修正同时增强了预测保真度和规划性能。

论文 WorldEvolver LLM 世界模型

推荐理由：WorldEvolver通过三种记忆模块让智能体的世界模型在测试时自我进化，在ALFWorld和ScienceWorld上预测准确率最高，下游成功率也领先其他方法。

原文

11:16

官方账号arXiv cs.LG@Daniyel Ayupov, Artur Markov-Tsoy

研究人员发布DreamForge-World 0.1 Preview，这是一种面向实时交互的基座世界模型。系统基于LongLive 1自回归视频堆栈（衍生自Wan2.1-T2V-1.3B），并融入Matrix-Game家族的残差动作路径。该模型在单张RTX 4090上以480p分辨率达到14-15 FPS，支持键盘鼠标控制、多模态初始化、中流重提示和双视角操作。通过开源视频骨干和针对性微调，构建了高成本效益的预览系统。

AI模型 DreamForge-World LongLive Wan2.1-T2V-1.3B

推荐理由：DreamForge-World 0.1 Preview让你在消费级显卡上实时操控世界模拟，支持键盘鼠标，15 FPS流畅运行，比那些需要超算的模型亲民多了。

原文

6月29日

16:53

AI Will@FinanceYF5

AGI Summit SF 2026 公布第二波嘉宾，包括 Vishal Vasishth、Fan-Yun Sun、Daksh Gupta、Alberto Taiuti、Gavin Zheng、Raymond Chen、Joshua McKibben。他们将围绕世界模型、AI信任、代码安全、基础设施扩展、影响力投资等7个议题展开讨论。峰会旨在促进AGI领域的深度交流与合作。

行业 AGI Summit SF 2026 AI信任代码安全

推荐理由：AGI Summit SF 2026 第二波嘉宾名单来了，7位专家聊AI信任、代码安全和基础设施，看点十足。

原文

6月27日

12:06

官方账号World Labs (李飞飞)@theworldlabs

World Labs在SIGGRAPH 2026期间举办Worlds in Action黑客马拉松，地点为洛杉矶，时间为2026年7月18日至19日。活动聚焦于使用世界模型进行游戏、VFX、AR/VR及互动体验的开发。参与者将在两天内协作构建基于世界模型的应用项目。

行业 World Labs SIGGRAPH hackathon

推荐理由：World Labs要在SIGGRAPH 2026搞黑客马拉松，两天用世界模型做游戏和VFX，有兴趣的可以去看看。

原文

6月26日

10:40

官方账号arXiv cs.LG@Nicklas Hansen, Xiaolong Wang

该论文发现世界模型的幻觉集中在状态-动作空间的低覆盖区域，并提出轻量级数据驱动信号可检测和缓解。研究者发布了MMBench2数据集（427小时、210个任务），并训练了350M参数的世界模型。他们识别了三种幻觉模式（感知、动作边缘化、场景发散），开发了三个预测信号。覆盖率感知采样和基于好奇心的在线数据收集方法使得仅需50条真实轨迹即可微调模型适应全新环境。

论文 MMBench2 世界模型幻觉

事件专题

推荐理由：这篇论文用具体数据和实验证明世界模型的幻觉本质是数据覆盖问题，还给出了实用的检测和缓解方法。

原文

6月25日

06:28

Ate-a-Pi@svpino

精选

Tripo AI 推出 Project Eden 世界模型，与传统逐帧预测方案不同，它先构建包含几何、物体位置等真实状态的地图，再根据地图生成画面。该架构解决了传统模型遗忘问题，物体离开视线后仍存在于地图中，并支持多人/智能体共存与编辑。公司刚完成两轮近 2 亿美元融资，将在 SIGGRAPH 2026 展示。

AI模型 Tripo AI Project Eden 世界模型

推荐理由：Tripo AI 搞了个新世界模型 Project Eden，先建好地图再渲染，物体不会消失，还能多人同在一个世界。刚融资 2 亿美元，值得关注。

原文

02:37

AK@_akhaliq

阿里发布Qwen-AgentWorld，一个基于Qwen的语言世界模型，专为通用智能体设计。该模型旨在帮助智能体理解环境动态并做出决策。目前尚未公开具体的基准测试结果或性能数据。

AI模型 Qwen-AgentWorld Qwen 阿里

推荐理由：阿里出了AgentWorld世界模型，让智能体能更好地理解环境，做Agent开发的朋友可以关注一下。

原文

00:49

berryxia@berryxia

77°

Qwen团队直接训练了一个语言世界模型Qwen-AgentWorld，核心目标是从头建模环境而非仅训练Agent行为。模型需预测终端输出、网页变化及代码执行后状态，而非单纯学习操作。利用该模型作为模拟器进行可控Sim RL，在某些任务上模拟训练的Agent性能甚至超过真实环境训练的Agent。此外，仅做环境预测的预训练能力可直接迁移到多轮Agent任务，在多个benchmark上取得显著提升，包括未见领域。Qwen开源了35B MoE版本及对应基准。

AI模型 Qwen Qwen-AgentWorld 世界模型

推荐理由：通义千问出了个新模型，不是教Agent怎么动，而是先让模型懂环境变化。用模拟环境练出的Agent反而比真实环境练的还强，还开源了35B版，值得看看。

原文

6月24日

22:40

官方账号阿里通义 Qwen@Alibaba_Qwen

精选

Qwen发布Paradigm II，一种基于世界建模的Agent基础模型。它通过单轮环境预测直接测试于多轮工具调用任务，无需Agent强化学习或任务特定调优。在7项基准上均取得提升，域内Terminal-Bench 2.0提升6.3%、SWE-Bench提升3.4%、WideSearch提升12.8%。域外基准Claw-Eval提升11.3%、QwenClawBench提升9.7%、BFCL v4提升9.0%。世界建模将'先预测后行动'内化为可迁移的推理模式。

AI模型 Qwen Paradigm II 推理模型

推荐理由：Qwen做了个新Agent模型Paradigm II，不用额外训练就在终端、编码、搜索和工具调用任务上全涨分，尤其没见过的任务也管用。

原文

22:39

官方账号阿里通义 Qwen@Alibaba_Qwen

精选71°

Qwen-AgentWorld是阿里Qwen团队发布的原生语言世界模型，在单一模型中模拟MCP、搜索、终端、SWE、Web、OS和Android共7种智能体环境。环境建模被设定为训练目标，而非后处理适配。在AgentWorldBench基准上，该模型超越Claude Opus 4.8和GPT-5.4。可控SimRL利用此世界模型作为环境进行强化学习，效果超过在真实环境中训练。仅通过预测环境的预热训练，无需智能体特定微调，预测知识即可零微调迁移至智能体任务。

AI模型 Qwen-AgentWorld 智能体世界模型

推荐理由：阿里Qwen造了个能模拟7种环境的AgentWorld，在AgentWorldBench上干掉了Claude和GPT最新版，训练智能体不用真实环境也能更强，零微调迁移呢。

原文

16:20

官方一手pandaily@contact@pandaily.com (Pandaily)

智谱AI、生数科技、Momenta等清华关联公司正聚焦世界模型，将其视为AI下一前沿。这些公司在视频生成、机器人控制、自动驾驶三个领域探索世界模型架构。世界模型旨在模拟物理世界规律，使AI具备环境理解和因果推理能力。智谱AI已发布GLM-4系列，未来计划将世界模型融入多模态系统。

行业 Zhipu AI Shengshu Tech Momenta

事件专题

推荐理由：清华系三家公司分别在视频、机器人、自动驾驶搞世界模型，这波前沿玩法值得关注

原文

12:11

官方账号arXiv cs.AI@Yikai Lu, Yifei Wu, Xinyu Lu, Tongxin Li

该论文证明通用智能体在大型场景下不可能具备万能能力，传统最坏情况分析无法区分关键瓶颈与无关失败。作者提出结构化认证框架，将受目标条件的性能映射到智能体内部世界模型的逐项保证。他们设计了基于深度组合目标过滤特定转换的算法，并证明在该目标下的通用智能体具有误差界为O(1/n)+O(δ)的结构化世界模型。该界限在δ较小的条件下是紧的，从而允许通过定位可靠的长时规划转换来认证部署通用智能体。

论文世界模型智能体结构化认证

推荐理由：这篇论文从理论上解决了通用智能体部署时的可靠性问题，给出了具体的误差界限和认证方法，对智能体安全研究很有参考价值。

原文

6月23日

10:58

官方账号arXiv cs.AI@Gregory Gorbov, Artem Latyshev, Aleksandr I. Panov

本研究提出Imagine方法，结合可学习世界模型与高层、低层两种互补策略，解决强化学习中的安全探索问题。高层策略生成中间子目标，引导探索偏向安全区域；低层策略利用世界模型的想象展开减少不安全行为。在长时域高维动作空间的导航和操作任务上，该方法在成功率和约束满足方面显著优于现有安全RL基线，一致满足预设安全预算。

论文分层强化学习安全探索世界模型

推荐理由：这篇论文提出用世界模型加分层策略搞安全RL，在长期任务上比现有方法成功率和安全性都高不少，值得一看。

原文

6月18日

11:40

berryxia@berryxia

在YC访谈中，李飞飞指出世界模型需要超越平面像素和语言，捕捉3D结构和空间智能。Aether AI的因果世界模型进一步补全推理能力，使模型从学习相关性进化到理解因果关系。两条路线（3D空间表征+因果推理）结合，有望推动具身智能从模仿到思考的范式转变。

行业李飞飞空间智能因果世界模型

推荐理由：李飞飞直接点名空间智能是下一波重点，还和Aether AI的因果世界模型对上了线。看懂物理世界，AI才能真变聪明。

原文

10:30

10:30IT之家（博客/媒体）

蔚来今日推送世界模型全新版本，超70万用户可同步升级，最早4年前车主也能升级。新版本在原有「世界模型+闭环强化学习」基础上，新增监督微调训练层，形成三层框架，利用好行为数据雕刻精细行为。该版本首次在国内实现智能辅助驾驶直出方向盘和加减速踏板操作信号，替代输出采样轨迹，提升控车精准度。在无高精地图前提下，选路准确性宣称行业领先，并首个实现对潮汐车道、可变车道天空路牌的实时识别与理解。

AI产品蔚来世界模型智能驾驶

推荐理由：蔚来推送新版本了，超70万用户能升，连4年前老车主都行。选路更准，还能看懂潮汐车道，控车也更细腻。

原文

02:30

官方账号Decoder@Matthias Bastian

73°

Amazon、Nvidia、AMD向世界模型初创公司Odyssey ML投资3.1亿美元，该公司估值达14.5亿美元。CIA关联基金IQT和谷歌首席科学家Jeff Dean也参与本轮融资。世界模型被业界视为语言模型后的下一个AI重点方向。

行业 Odyssey ML Amazon Nvidia

事件专题

推荐理由：亚马逊、英伟达、AMD都砸钱进这家3D世界模型公司，连Jeff Dean都跟投了，看来世界模型是下一波风口。

原文

00:35

量子位@henry

71°

一家头部具身大脑公司完成数亿美元新一轮融资，投资方共15家VC。该公司坚持世界模型技术路线，半年内先后在开源、端侧和训练场三个方向发布方案。具体开源项目名称和端侧部署参数尚未披露。训练场支持与多种机器人硬件适配。该轮融资将用于扩大研发团队和加速产品落地。

行业具身智能融资世界模型

推荐理由：一家专注具身大脑的公司又融了一大笔钱，世界模型路线，15家VC跟进。开源、端侧、训练场三连发，你可以关注它的技术方案。

原文

6月17日

23:23

23:23IT之家（博客/媒体）

阿里云6月17日发布HappyOyster 1.0（快乐生蚝1.0），支持一句话生成可实时交互的数字世界。该产品基于原生多模态架构，能推演物理因果链并保持人物与环境长程一致性。不同于传统“写prompt等渲染”的流程，用户可实时输入指令，画面即时响应。目前官网开放“实时导演”和“世界探索”两种玩法，支持虚拟男友互动、短剧剧情改写、开放世界移动等功能。2025年4月16日起开放内测，至7月17日官网可领取体验积分。

AI产品 HappyOyster 阿里云快乐生蚝

推荐理由：阿里云搞了个好玩的：一句话就能生成能边玩边改的动态世界，像游戏一样探索，还能和虚拟男友实时互动，快去体验。

原文

10:45

官方账号arXiv cs.AI@Hongyuan Adam Lu, Z. L. Victor Wei, Qun Zhang, Jinrui Zeng, Bowen Cao, Lingwei Meng, Mocheng Li, Zezhong Wang, Haonan Yin, Naifu Xue, Minyu Chen, Cenyuan Zhang, Zefan Zhang, Hao Wei, Jiawei Zhou, Haoran Xu, Hao Yang, Ronglai Zuo, Tongda Xu, Yonghao Li, Jian Chen, Hebin Wang, Zeyu Gao, Yang Li, Wei Zhao, Qimin Zhong, Siqi Liu, Yumeng Zhang, Leyan Cui, Zhangyu Wang, Wai Lam

精选

Looped World Models（LoopWM）首次将循环架构引入世界建模，通过参数共享的transformer块迭代细化潜在环境状态。相比传统方法，LoopWM在参数效率上提升多达100倍，并能根据预测复杂度自动调整计算深度。该方法将迭代潜在深度确立为世界仿真的新扩展轴，独立于模型规模和训练数据规模。

论文 LoopWM 世界模型循环架构

推荐理由：这篇论文用循环架构解决了世界模型长程预测的计算瓶颈，参数省了100倍还能自适应深度，做仿真和规划的研究者值得看。

原文

04:33

官方账号World Labs (李飞飞)@theworldlabs

World Labs联合创始人李飞飞在FastCompany采访中阐述AI愿景，强调未来AI应扎根于人类能动性、创造力和理解。她将世界模型的发展比作一场持久的模拟，一旦建立就稳定不变。该观点体现了World Labs以人为本的AI发展理念。

行业 World Labs Fei-Fei Li 世界模型

推荐理由：李飞飞说AI未来要围着人转，不是机器。World Labs要做持久的世界模型，挺有远见。

原文

6月16日

11:43

官方账号arXiv cs.AI@Jialei Chen, Kai Wang, Kang Chen, Shuaihang Chen, Feng Gao, Wenhao Tang, Zhiyuan Li, Weilin Liu, Zhuyu Yao, Boxun Li, Yuanbo Xu, Chao Yu

LaWAM通过潜在视觉子目标替代重建未来视频，在LIBERO基准上达到98.6%的成功率，在RoboTwin上达到91.22%，并在真实世界操作任务中取得竞争性表现。该模型每次动作块预测仅需187毫秒，延迟比像素空间世界行动模型低24倍。LaWAM的核心是潜在动作条件潜在世界模型（LaWM），利用预训练视觉基础模型的潜在空间预测未来观测特征。

AI模型 LaWAM 机器人策略世界模型

推荐理由：机器人策略新框架LaWAM，不用生成视频就能预测场景变化，又快又准，成功率98.6%还低延迟，推荐做机器人控制的看看。

原文