我们提出 WorldStream，一个开放式 3D 世界模型，同时具备三项能力：它能把可游玩地形扩展到任何预先指定的地图之外，在运行中的世界里响应开放式语言，并恢复曾访问过的地点及其编辑。一个基于类型化决策模型的层级式规划器会输出结构化决策状态：Macro 在一组地块范围内确定聚落、生态、交通和水文结构；Micro 在实测地形和已接受的邻接承诺之下，把该契约特化为地块语义。确定性的局部代码把已接受的规划编译为地形、道路、聚落、植被和实体。流式处理将二者作用范围分离：规划沿预…
许多物理 AI 的应用运行在有限或封闭的物理世界中，由一组有限的物理定律支配物体行为。例如，在仓库中工作的机器人以及在电子游戏中移动的代理。为了更好地组织、筛选和整理物理 AI 应用的数据，我们提出了一种以各个数据集的独特场景和物理定律为中心的新方法。我们训练了 LeCuration，一个小型世界模型，旨在作为独立的大型下游模型的数据整理工具。为了构建该模型，我们选择 LeWorldModel（LeWM）作为我们的潜在编码器和预测器，并添加了一个扩散 Transformer…
世界模型是在基于模型的强化学习中引入的，作为一种学习得到的动力学模型或“转移函数”，用于预测下一个状态。其背后的动机是让强化学习能够通过模拟环境进行，而不需要直接与环境交互。世界模型还为智能体提供了一条路径，使其能够规划和推理自身行动的后果，而不是仅仅依赖规模。然而，从想象经验中学习的效果取决于世界模型本身：在其预测错误的地方，智能体会基于幻觉出的未来进行训练，并学到在真实环境中失败的行为。迄今为止，大多数世界模型所想象的世界里只有一个智能体，但最能带来教益的经验恰恰是与他…
推荐理由：原文给出多智能体世界模型与策略在同一训练循环中互相修复的机制，以及 SMACv2 与 MQE 上的具体对比数据。
在专家指导的驱动下，智能体能够在交互式环境中运行；然而，它们是否能从自身经验中自主学习尚不明确。为了评估此类自我改进方法，我们提出了 GameBoyWorlds，一个用于电子游戏中智能体自我改进的测试平台。GameBoyWorlds-Execution 在 5 个不同游戏系列的集合上评估任务执行能力。智能体可以访问专门的训练游戏，但不会获得任何演示、文档或奖励。智能体必须通过自主探索以及从自身经验中推断可操作的知识来在环境中建立定位。在测试阶段，智能体必须完成短周期任务，以…
September 7, 2026“自然度”是衡量文本转语音的合适指标吗？对人工智能助手来说，是的。但如果你想要一个能“演”的 AI：一个能惊慌、能犹豫，或能低声说出秘密的 AI，那么标准的自然度平均意见分（MOS）和常用指标就不适用了。在我们的 Interspeech 2026 论文“自然就一定合适吗？”[1]中，我们与 KTH、Imperial 和 TUM München 合作，评估了当前最先进的文本转语音（TTS）模型在不同“人物角色”下的表现，以挑战一个核心假设：更…
1. 能否告诉我们是什么促使您开始这项研究的？起初，我从未想过这个项目会发展成今天的样子。事实上，我最初只是有一个相当模糊的想法，灵感来自《福尔摩斯》或 FBI 这类悬疑推理故事。我设想了一种 AI，能够根据犯罪现场留下的痕迹或线索推断出嫌疑人。当时，我并没有隶属于 KRAFTON，而是一名大学研究实验室的研究生。我尝试自己设计犯罪调查场景，甚至试图构建 2D 地图和环境。问题在于，作为一名学生，要同时设计详细场景并创建地图和模拟环境，几乎是不可能的。作为背景，那是 202…
世界并非由文字构成在一篇先前的文章中，我们曾论证空间智能是AI的下一个前沿，而世界模型是通往它的道路。在这里，World Labs团队和我想要再深入一层：在众多当前正在构建并被冠以"世界模型"之称的事物中，哪些功能组件真正构成了这种能力——而各自又分别用于什么？语言模型赋予了机器对概念、词汇和推理的非凡掌控力，但物理世界，无论是虚拟的还是真实的，运行在不同的基底之上。语言模型学习的是文本的统计结构，而世界模型学习的是空间与时间的统计结构：光线如何落在一个表面上，一个花园在从…