论文为多人博弈的子博弈求解提出条件安全定理与事后证书
论文针对三人及以上、玩家独立行动的多人博弈子博弈求解提出条件安全定理,将求解后策略的最佳响应差距上界拆成四项,并给出可校验任意提交更新的事后证书。
推荐理由:论文提出的证书只需为每个对手做一次最佳响应计算,可用于实时多人求解器的在线安全校验。
论文针对三人及以上、玩家独立行动的多人博弈子博弈求解提出条件安全定理,将求解后策略的最佳响应差距上界拆成四项,并给出可校验任意提交更新的事后证书。
推荐理由:论文提出的证书只需为每个对手做一次最佳响应计算,可用于实时多人求解器的在线安全校验。
NVIDIA 开源 MotionBricks,该模型基于 350,000+ 段动作片段训练,可根据目标姿态实时生成角色动作。开源发布包含预训练模型、创作工具,以及用 Newton 构建的参考实现,代码已上传至 GitHub(NVlabs/motionbricks)。
推荐理由:MotionBricks 开源了预训练模型与配套工具,读者可据此判断实时角色动作生成能否接入自己的管线。
研究者提出 InertialWorld,将惯性作为自回归视频预测的结构先验,让已有场景证据随时间传递而非每步重建。其核心 Inertial Memory 同时维护稠密欧拉网格与持久拉格朗日载体,并按动作条件运动搬运载体内容,再用学习到的门控融合新旧内容。在机器人操作、3D 游戏模拟和开放世界导航等实验中,该模型的自回归预测表现与强视频世界模型基线相当,代码已开源于 GitHub。
推荐理由:论文把惯性作为自回归视频世界模型的结构先验,读者可了解其记忆机制如何减少长序列预测的误差累积。
清华大学、CMU 与香港中文大学研究者开源 HairDeck,可从单张角色图生成带逐卡 UV 和颜色的风格化头发卡片,以及驱动它们的弹簧骨链。模型拆为 Image DiT、Card VAE、Color DiT、Chain DiT 等权重,输出 GLB 头发网格,可挂到提供的 VRoid Studio 模板角色上导出 VRM 0.x 头像。
推荐理由:原文公开了各模块权重与本地运行流程,读者可据此判断单图生成头发资产能否接入自己的角色管线。
Genex 桌面端发布 0.1.32,支持 Unreal 自动试玩,构建失败时会显示真实错误并交由 Agent 修复。该版本由 vanyathecyborg 提交,包含 #613、#615、#616 三项变更,完整更新日志覆盖 v0.1.31 至 v0.1.32。
Inworld AI 发布面向编码助手的插件,内置 24 个技能,用于在已有的编码工具中探索、测试和集成 Inworld API。官方给出的用法包括为应用挑选音色并在指定脚本上试听、为录音生成带说话人标签的转写、给应用加入实时语音智能体,以及用应用自身的请求把 Inworld 推理与现有方案做基准对比。
推荐理由:24 个技能覆盖选音色、转写和实时语音智能体接入,读者可据此判断能否直接搬进现有编码流程。
Unreal Engine 官方宣布 5.9 将于下周推出预览版,包含改进的 AI 工作流、把网页作为目标平台、渲染与动画更新等内容。官方表示正在 GitHub 的 5.9 分支上做若干调整,接下来几天还会有更多改动进入,细节将陆续公布。
WMEval 是一个以 Unity 物理模拟为参照、评测交互式世界模型的基准。它覆盖 9 个场景,评测动作可控性、场景与角色一致性、提示词遵循、运动学、流体力学、物理因果和光照。通过在模拟器和世界模型中执行匹配的动作序列进行对比,论文称,现有模型在标准感知指标遮蔽的维度上仍有明显提升空间。
WMEval 是一个以 Unity 物理模拟为参照、评测交互式世界模型的基准。它覆盖 9 个场景,评测动作可控性、场景与角色一致性、提示词遵循、运动学、流体力学、物理因果和光照。通过在模拟器和世界模型中执行匹配的动作序列进行对比,论文称,现有模型在标准感知指标遮蔽的维度上仍有明显提升空间。
推荐理由:现有世界模型评测多看画面感知相似度,这篇改用 Unity 物理模拟作参照,补上了物理因果一致性的检验。
Fig 是一个智能体系统,可在游戏环境中有针对性地施加干预,以诱发合作、利用、欺骗、暗中协调、背叛和破坏六类目标行为。论文称,在 Fig 生成的有效场景中,模型平均在 45.2% 的回合中尝试了目标行为;对有对照的游戏与行为组合,干预使尝试率平均比匹配对照游戏高 10.9%。作者认为多智能体环境可作为可编程、可控且可复现的行为评测测试床,代码已在 GitHub 公开。
推荐理由:它把多智能体社会行为评测从被动观察转为可编程的环境干预,对想设计可复现测试环境的研究者有参考价值。
Fig 是一个智能体系统,可在游戏环境中有针对性地施加干预,以诱发合作、利用、欺骗、暗中协调、背叛和破坏六类目标行为。论文称,在 Fig 生成的有效场景中,模型平均在 45.2% 的回合中尝试了目标行为;对有对照的游戏与行为组合,干预使尝试率平均比匹配对照游戏高 10.9%。作者认为多智能体环境可作为可编程、可控且可复现的行为评测测试床,代码已在 GitHub 公开。
论文构建了受控的 Minecraft 基准 MC-EvoBench,用 19 条已注册演化链(12 条主评测链、7 条校准或探针链)审计智能体的经验驱动自改进,并要求目标世界重置、只允许声明的智能体产物跨越源目标边界。
推荐理由:论文用配对探针把能力变化与残留资源、来源暴露不均分开来测,可作为自改进智能体评测的对照设计参考。