DreamX-World 1.0：一个通用交互式世界模型

arXiv 2026 61.1 method, system

TLDR

DreamX-World 1.0是一个通用交互式世界模型，支持可控长时视频生成与相机、事件控制。

评分理由

The paper presents a comprehensive system with novel components like E-PRoPE and memory-conditioned scene persistence, and uses diverse data sources including real-world videos. However, the abstract lacks explicit quantitative results or comparisons, and the claim of 'general-purpose' may be overstated without broader evaluation.

Read-first 评分解释

综合优先阅读分 61.1，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 54。

近期性 6%

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

引用影响力 18%

94.2

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.94171295

主题相关性 29%

77.1

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 18%

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：基准、评估

可复现性 18%

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：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：479。

关键词评分

world model

interactive world model

generative world model

video world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

E-PRoPE：一种轻量级投影位置编码变体，保留PRoPE的投影相机几何，同时对空间缩减token应用相机感知注意力
通过因果强制、DMD风格蒸馏和长展开训练将双向视频生成器转换为少步自回归世界模型
记忆条件场景持久性：通过基于相机几何的检索获取早期视图
残差循环：使条件路径对不完美的记忆潜在表示更不敏感
事件指令微调：添加可组合的事件控制
强化学习对齐：在蒸馏后恢复相机控制和视觉质量
混合精度DiT执行、残差重用、75%剪枝VAE解码和异步流水线并行实现实时推理（八块RTX 5090 GPU上最高16 FPS）

方法

DreamX-World 1.0是一个通用交互式文本/图像到视频世界模型。其数据引擎结合了相机精确的Unreal Engine渲染、富含动作的游戏录制以及带有恢复相机几何的真实世界视频。模型通过因果强制、DMD风格蒸馏和在自生成长上下文上的长展开训练，将双向视频生成器转换为少步自回归世界模型。评估在5秒基础评估基准上进行，包含相机控制和总体得分。

关键结果

在5秒基础评估中，DreamX-World 1.0的相机控制得分为73.75，总体得分为84.76，在总体得分上优于HY-WorldPlay 1.5（80.79）和LingBot-World（80.45）。

技术栈

Unreal EngineE-PRoPEcausal forcingDMD-style distillationlong-rollout trainingMemory-Conditioned Scene Persistenceresidual recyclingEvent Instruction Tuningreinforcement learning alignmentmixed-precision DiTpruned VAE decodingasynchronous pipeline parallelismRTX 5090

资源

论文