⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

推进开源世界模型

arXiv 26.1 2026 71.9 method, system

TLDR

LingBot-World是基于视频生成的开源世界模拟器，具备高保真、长期记忆和实时交互。

评分理由

Strengths include open-source release, real-time interactivity, long-term memory, and broad environment coverage. Weaknesses are the lack of explicit empirical evaluation or real-world benchmarks in the abstract, making claims unsupported by visible results.

Read-first 评分解释

综合优先阅读分 71.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 56。

近期性 8%
100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。 年份：2026

可复现性 25%
81

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。 论文：有；代码：有；数据：无；命中信号：代码、GitHub

主题相关性 42%
80

使用现有 LLM 关键词相关性评分，并归一化到 0-100。 关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%
40

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。 命中信号：无

研究版图角色

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：95。

关键词评分

world model
10
world simulator
10
interactive world model
9
video world model
9
generative world model
8
world dynamics prediction
7
model-based reinforcement learning world model
3

深度分析

创新点

  • 开源世界模型，公开代码和模型访问
  • 在多种环境（现实、科学、卡通等）中保持高保真度和鲁棒动力学
  • 分钟级时间跨度与长期记忆，保持时间一致性
  • 实时交互性，生成每秒16帧时延迟低于1秒

方法

LingBot-World基于视频生成框架构建，在包括现实、科学背景和卡通风格等多种环境上训练。它融合了长期时间一致性机制和优化推理，以实现实时交互。

关键结果

该模型在广泛环境中展现出高保真度和鲁棒动力学，实现了分钟级时间一致性，并支持实时交互，生成16帧/秒时延迟低于1秒。

资源

论文代码

标签