无限世界与多样化交互

arXiv 2026 43.9 method, system, application

TLDR

LingBot-World 2.0 实现了无限交互范围、实时720p 60fps视频、多样化动作以及用于世界模拟的智能体框架。

评分理由

The paper presents impressive technical advances in world simulation, including unbounded interaction, real-time video, diverse actions, and an agentic harness. However, it lacks empirical evaluation or comparison to baselines, and no real-world benchmarks are mentioned.

Read-first 评分解释

综合优先阅读分 43.9，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 57。

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

主题相关性 29%

81.4

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：无

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

引用影响力 18%

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。引用数：0

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

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：473。

关键词评分

world model

world simulator

interactive world model

generative world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

通过因果预训练范式实现无限交互范围并保持一致的输出质量
实时蒸馏变体，能够生成720p视频并以60 fps运行
高度多样化的交互元素，包括更广泛的动作（攻击、射箭、施法、射击）和文本驱动事件
集成智能体框架：飞行员智能体负责角色行为规划与执行，导演智能体负责环境合成
多玩家共享体验接口
轻量级1.3B模型支持单GPU部署

方法

该系统基于因果预训练范式实现无限交互范围，通过蒸馏得到实时变体以加速推理，并集成了智能体框架，其中飞行员智能体规划角色行为，导演智能体合成新颖的环境元素。提供了多玩家接口，主要14B模型与轻量级1.3B模型配对以实现高效部署。

关键结果

模型实现了无限交互范围且无质量下降，通过蒸馏变体维持实时720p视频生成（60 fps），并支持多样化的动作类型和智能体世界建模。

局限性

摘要中未讨论明确的局限性

技术栈

因果预训练 (causal pretraining)知识蒸馏 (distillation)智能体框架 (agentic harness)多玩家接口 (multi-player interface)14B/1.3B 模型

资源

论文