网络高效的世界模型令牌流式传输

arXiv 2026 48.7 method, application

TLDR

提出一种针对离散世界模型令牌的自适应关键帧-增量流协议，在丢包条件下改善率失真和困惑度。

评分理由

Strengths include a novel online algorithm for efficient streaming of world model states with clear experimental improvements. Weaknesses are the narrow driving domain focus and lack of comparison to other compression methods or full world model evaluation.

Read-first 评分解释

综合优先阅读分 48.7，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 31。

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

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：基线、指标、结果

引用影响力 18%

60.8

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：0.60793858

主题相关性 29%

44.3

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 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：代码

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

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：230。

关键词评分

world model

generative world model

world dynamics prediction

video world model

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

Stride-16 VQ-U-Net tokenizer，码本大小8192，将288x512帧映射为18x32令牌网格（每帧576令牌，固定长度编码下936字节/帧）
完全在线、无标签的关键帧-增量协议，通过码本嵌入空间中的余弦距离优先处理增量更新，并利用汉明漂移阈值自适应触发关键帧
在匹配比特率下持续优于周期性关键帧的率失真边界，嵌入失真最多降低7.2%，困惑度改善6.3%

方法

本文提出Stride-16 VQ-U-Net tokenizer，使用码本大小8192将每帧288x512映射为18x32令牌ID网格（576令牌/帧），固定长度编码下为936字节/帧。在严格每消息负载预算和丢包条件下采用关键帧-增量协议，通过完全在线、无标签的算法，利用码本嵌入空间中的余弦距离优先处理增量更新，并基于汉明漂移阈值自适应触发关键帧。该方法在匹配比特率下与周期性关键帧进行对比，使用率失真指标和基于接收端状态的轻量级下一令牌预测器的困惑度进行评估。

关键结果

在0.024 Mb/s（200字节预算）下，动态仅嵌入失真从0.0712降至0.0661（改善7.2%）；在0.036 Mb/s（400字节预算）下，从0.0427降至0.0407（改善4.8%）。在200字节预算下10%增量丢包时，动态仅失真为0.0757，周期性基线为0.0789。困惑度在0.024 Mb/s下从206.0改善至193.1（6.3%），在0.036 Mb/s下从158.9改善至155.6（2.1%）。

技术栈

VQ-U-Net tokenizercodebook (size 8192)cosine distanceHamming-drift thresholdkeyframe-delta protocolnext-token predictor

资源

论文