带世界状态寄存器的流式多智能体自回归扩散模型

arXiv 2026 39.7 method

TLDR

WorldWeaver：带世界状态寄存器的流式多智能体视频扩散模型，实现跨智能体一致性。

评分理由

The paper introduces world state registers to maintain shared world information across agents, addressing a key limitation in multi-agent video generation. Its strengths include the novel architectural design and explicit state supervision, but weaknesses are the limited evaluation to two-agent Minecraft and lack of comparison to interactive or RL-based world models.

Read-first 评分解释

综合优先阅读分 39.7，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 47。

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%

67.1

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：实验

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：292。

关键词评分

generative world model

video world model

world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

跨智能体世界状态寄存器：可学习的 token，用于存储共享世界信息、跟踪个体智能体状态，并在每个生成块后动态更新。
流式多智能体自回归视频扩散模型（WorldWeaver），将世界状态寄存器集成到 rollout 中。
世界状态寄存器的监督信号，包括个体智能体状态、全局状态视图（鸟瞰图）和场景文本。
Mixture-of-Transformers 架构，使用独立的权重进行世界状态建模和视觉帧建模。

方法

该论文提出了WorldWeaver，一种流式多智能体视频扩散模型，它通过可学习的跨智能体世界状态寄存器来增强自回归块生成。这些寄存器动态更新，并受到智能体状态、鸟瞰图和场景文本的监督。Mixture-of-Transformers 设计将世界状态和视觉帧处理分开。该模型在两个智能体的Minecraft视频生成上进行了评估。

关键结果

通过寄存器进行的显式世界状态建模提高了两个智能体Minecraft视频生成的逻辑一致性和生成质量。

资源

论文