跳到正文
arXiv 游戏世界模型与生成检索· Raluca Stevenson·· 5 天前精选AI 评分58

面向数据高效与实时推理的世界模型研究

Towards Data-Efficient, Real-Time World Models

AI 导读

该论文提出用两阶段离散扩散方法替代下一 token 预测范式,并引入轻量级精炼 Transformer 进行迭代掩码预测,在 Kanervisto 等人 2025 年的自回归世界模型基础上实现 79 倍模型加速,质量仅有小幅折损。作者还展示该模型可用约一天(28 小时)的游戏数据训练出高质量、连贯的玩法序列,指向实时推理与数据效率受限场景下世界模型的可用性。

推荐理由

论文给出两阶段离散扩散替代下一 token 预测的具体做法,并报告 79 倍加速与约 28 小时数据的训练结果,可供关注实时世界模型的研究者参考。

来源:arXiv 游戏世界模型与生成检索 · arxiv.org