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

Mallea:使用编码智能体构建、引导和记忆世界

arXiv 2026 35 method

TLDR

Mallea 用编码智能体从文本构建、引导和记忆代码世界模型,并以生成方式渲染状态与纹理记忆。

评分理由

The paper presents a coherent system emphasizing object-centric code world models, interactive editing, and visual memory. However, the abstract lacks concrete experimental results or benchmarks, so its empirical contribution and real-world validity remain unclear.

Read-first 评分解释

综合优先阅读分 35,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 37。

近期性 5%
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

方法质量 15%
60

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:实验、结果

主题相关性 25%
52.9

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

可复现性 15%
46

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:代码、GitHub

图谱声望 15%
5.7

基于可用 OpenAlex 引用关系构建局部引用图,并计算 PageRank 风格的图谱声望。 局部 PageRank:0.0016

引用影响力 15%
0

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 10%
0

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:313。

关键词评分

world model
9
interactive world model
8
world simulator
7
generative world model
6
world dynamics prediction
5
video world model
1
model-based reinforcement learning world model
1

深度分析

创新点

  • Mallea 提出了一种使用编码智能体从文本描述构建、引导和记忆世界的系统。
  • 编码智能体从提示中推断对象交互需求,并联合规划对象结构、属性和可执行规则,偏好紧凑的表示。
  • 对象纹理记忆仅为白盒定义的对象保留可复用外观,并在这些对象变化时进行适配。
  • 程序对世界状态的推进与生成式渲染器相分离;渲染器将当前对象结构与记忆外观相结合。
  • 构建、干预和记忆围绕同一组对象组织,使后续观测能够以最新状态和兼容外观为条件。

方法

Mallea 使用编码智能体从文本提示中推断对象交互需求,然后联合规划紧凑的对象结构、属性和可执行规则。规划后的规则推进世界状态;用户可选操作引导世界,文本请求可编辑属性或扩展能力,同时保留未受影响的状态。生成式渲染器将当前对象结构与对象纹理记忆相结合;该记忆仅存储和适配白盒定义对象的可复用外观。

关键结果

摘要未报告定量或对比实验结果。主要声称的结果是:围绕同一组对象组织构建、干预和记忆,可使后续观测以最新世界状态和兼容外观为条件。

标签