AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：世界模型×
6月29日
16:53
6月27日
12:06
6月25日
06:28
02:37
00:49
00:49berryxia@berryxia
77°
Qwen团队直接训练了一个语言世界模型Qwen-AgentWorld，核心目标是从头建模环境而非仅训练Agent行为。模型需预测终端输出、网页变化及代码执行后状态，而非单纯学习操作。利用该模型作为模拟器进行可控Sim RL，在某些任务上模拟训练的Agent性能甚至超过真实环境训练的Agent。此外，仅做环境预测的预训练能力可直接迁移到多轮Agent任务，在多个benchmark上取得显著提升，包括未见领域。Qwen开源了35B MoE版本及对应基准。
AI模型QwenQwen-AgentWorld世界模型Agent强化学习
推荐理由：通义千问出了个新模型，不是教Agent怎么动，而是先让模型懂环境变化。用模拟环境练出的Agent反而比真实环境练的还强，还开源了35B版，值得看看。
原文
6月24日
22:40
22:39
22:39阿里通义 Qwen@Alibaba_Qwen
精选71°
Qwen-AgentWorld是阿里Qwen团队发布的原生语言世界模型，在单一模型中模拟MCP、搜索、终端、SWE、Web、OS和Android共7种智能体环境。环境建模被设定为训练目标，而非后处理适配。在AgentWorldBench基准上，该模型超越Claude Opus 4.8和GPT-5.4。可控SimRL利用此世界模型作为环境进行强化学习，效果超过在真实环境中训练。仅通过预测环境的预热训练，无需智能体特定微调，预测知识即可零微调迁移至智能体任务。
AI模型Qwen-AgentWorld智能体世界模型模拟环境强化学习
推荐理由：阿里Qwen造了个能模拟7种环境的AgentWorld，在AgentWorldBench上干掉了Claude和GPT最新版，训练智能体不用真实环境也能更强，零微调迁移呢。
原文
6月18日
11:40
6月17日
04:33
6月16日
20:46
6月12日
12:57
07:02
6月11日
15:28
15:23
15:07
6月10日
01:15
6月9日
05:01
6月4日
21:46
13:46
10:20
10:20berryxia@berryxia
76°
李飞飞在最新文章中系统阐述了世界模型的三种核心功能：渲染器（输出像素，如文生视频模型）、模拟器（输出状态，需物理准确）和规划器（输出动作，闭合感知-行动循环）。她指出模拟器是最关键但最被低估的一环，连接渲染与规划，是实现可靠真实世界应用的核心。World Labs 的 Marble 项目展示了从多模态提示生成可探索 3D 环境的能力，同时输出视觉和物理数据。文章强调语言模型擅长文本，但物理世界需要空间智能，统一世界模型是 AI 的下一个前沿。
AI模型世界模型空间智能李飞飞World Labs模拟器
推荐理由：李飞飞把被滥用的「世界模型」概念理清了，做计算机视觉、机器人或生成式 AI 的开发者能直接对照自己的研究方向找到定位，建议点开看完整分类法。
原文
06:42
04:12
6月3日
20:03
00:31
00:31小互@imxiaohu
AI在医疗领域的应用正从“看片子找病灶”升级为“世界模型”，能提前模拟不同治疗方案在患者身上的长期效果，并直接推荐最优方案。该技术已在肝癌化疗栓塞和放疗中验证，将临床决策成功率提升13%。其核心价值在于，真实世界不允许多次试错，而世界模型提供了低成本、高保真的决策模拟。这一范式有望扩展到农业、城市规划、低空经济等高风险决策领域。
AI产品世界模型医疗AI决策模拟临床治疗FutureLivingLab
推荐理由：医疗AI终于从“识别病灶”进化到“预测疗效”，做临床决策的医生和医疗AI开发者值得关注——世界模型正在把试错成本降到零，建议点开看看它如何颠覆传统治疗流程。
原文
6月2日
17:46
17:46rohanpaul_ai@rohanpaul_ai
76°
LongCat 发布了 WBench，一个用于测试视频世界模型的基准，将测试重点从视觉质量转向控制、多轮记忆、指令遵循和物理合理性。WBench 包含 289 个案例、1058 次交互、20 个模型、5 个维度和 22 个自动指标，覆盖导航、主体动作、事件编辑、视角切换等。测试发现，没有模型在所有维度上占优，视觉质量与控制能力几乎无关。WBench 的设计将世界设置与用户动作分离，帮助研究者定位失败原因。这标志着视频世界模型评估从“视频好不好看”转向“模型能否维持可控世界”。
论文视频生成世界模型基准测试WBenchLongCat
推荐理由：做视频生成或世界模型的研究者终于有了正经的评估工具——WBench 把视觉质量和控制能力分开测，看完你会明白为什么很多漂亮视频其实不能当世界模型用。
原文
12:10
12:10Latent.Space@latentspacepod
精选
Ethan He 在 Latent Space 播客中分享了对视频生成、世界模型、LLM、智能体和持续学习的看法。他认为视频模型的大部分智能来自语言而非视频数据，idea-to-code 的速度已经很快，瓶颈在于计算资源。他强调迭代速度在模型开发中几乎压倒一切，下一个飞跃将是视频智能体而非更好的视频模型。他还预测扩散模型将成为 AGI 的前端，LLM 作为后端，生成式 UI 将取代 HTML/CSS，物理具身可能成为强大 AI 的工具。
AI模型视频生成世界模型智能体扩散模型LLM
推荐理由：Ethan He 对 AI 前沿的预判直击要害，做视频生成、智能体或世界模型的开发者看完会有启发——尤其是关于迭代速度和智能体方向的洞察，值得点开细品。
原文
01:11
6月1日
14:08
14:05
14:05berryxia@berryxia
78°
Decart 发布了一个非视频生成的持久化、多人协作世界模型，核心创新在于将「世界状态」与「视觉渲染」彻底解耦。这意味着世界不再是逐帧生成的画面，而是一个持续运行、可被用户实时修改、并能从任意视角稳定观测的结构化环境。该模型支持多人同时在线交互，是目前最接近「可交互持久世界」的尝试。这一突破为游戏、虚拟世界和协作式 AI 应用提供了全新范式。
AI产品世界模型多人协作持久化Decart交互环境
推荐理由：做虚拟世界、游戏或协作式 AI 的团队终于有了一个真正持久化的交互环境——世界状态独立于渲染，多人可同时修改并观测。建议直接体验，这可能是下一代交互平台的原型。
原文
5月30日
16:45
00:08
5月29日
09:56
09:56rohanpaul_ai@rohanpaul_ai
精选
Yann LeCun 团队的新论文揭示了自监督模型 LeJEPA 何时能真正学到隐藏的世界变量。研究发现，只有当这些隐藏变量呈平衡的高斯分布时，LeJEPA 才能可靠地恢复它们。论文从数学上证明，当真实隐藏变量是独立高斯变量且配对视图来自稳定噪声过程时，LeJEPA 的最优解必然能恢复这些变量（至多相差一个旋转或翻转）。这为理解自监督 AI 模型何时是在学习世界结构、而非仅生成恰好有用的特征提供了理论依据。
论文自监督学习世界模型LeJEPA高斯分布Yann LeCun
推荐理由：这篇论文给自监督学习社区一个清晰的数学答案：什么条件下模型真的在学世界模型。做表征学习或世界模型研究的开发者，看完会对 LeJEPA 的能力边界有更硬核的理解。
原文
5月28日
11:36
5月26日
22:56
5月25日
23:40
23:40rohanpaul_ai@rohanpaul_ai
X Square Robot 开始将下一代家用机器人部署到真实家庭中，这是从舞台演示到日常生活的关键一步。该机器人运行名为 WALL-B 的世界模型，整合视觉、语言、触觉、动作和物理预测，以应对家庭环境的复杂性和不确定性。厨房等家庭场景并非工厂的受控环境，而是充满习惯、杂乱、宠物、儿童和不断变化物品的动态空间。这体现了 Moravec 悖论：对人类来说轻松的任务（如整理杂物、避开宠物、判断物品归属）对机器人来说极其困难。该测试旨在验证机器人在真实家庭中的适应性和实用性。
AI产品家用机器人世界模型X Square RobotWALL-BMoravec悖论
推荐理由：家用机器人终于走出实验室进入真实家庭，做机器人研发或智能家居的团队值得关注 WALL-B 世界模型如何应对日常混乱——这比任何舞台演示都更有说服力。
原文
5月24日
10:49
5月23日
21:48
20:54
20:54Gary Marcus@GaryMarcus
精选
Gary Marcus 引用六年前的文章《AI 的下一个十年》，指出世界模型（World Models）的核心地位终于得到认可。DeepMind 的 Demis Hassabis 认为当前 AI 的局限在于语言只能描述世界，无法包含世界，而世界模型是他“最持久的热情”。语言模型从文本中吸收了远超预期的现实结构，但文本只是经验的压缩残渣，无法编码重量、抓握、平衡、摩擦等物理细节。世界模型旨在学习物理现实的隐藏语法——物体如何持续、力如何展开、空间如何随行动变化——这对于真正的智能至关重要，因为智能不仅是回答得好，更是知道下一步行动会带来什么后果。
AI模型世界模型Gary MarcusDemis HassabisDeepMindAGI
推荐理由：Marcus 和 Hassabis 点出了当前 LLM 的根本局限——文本无法替代真实体验，做 AI 研究或关注 AGI 方向的开发者值得深入理解世界模型为何是下一关键突破。
原文
09:26
09:26rohanpaul_ai@rohanpaul_ai
72°
DeepMind 创始人 Demis Hassabis 指出当前 AI 的局限：语言可以描述世界，但无法包含世界。语言模型从文本中意外学到了大量现实结构，但文本只是经验的压缩残渣，而非经验本身。世界由需要亲身经历、触摸、预测、违反和修复的约束构成，而非仅由可命名的事实组成。Hassabis 认为世界模型旨在学习物理现实的隐藏语法——物体如何持续、力如何展开、空间如何变化、行动如何产生反馈。他强调，智能不仅是回答得好，更是知道如果你移动、伸手、推、闻、滑倒或失败，接下来会发生什么。
AI模型世界模型语言模型Demis HassabisDeepMindAGI
推荐理由：Hassabis 点出了当前大语言模型的核心天花板——文本无法替代真实体验，做 AI 研究或关注 AGI 路径的人值得细读，看完会对世界模型的价值有更深理解。
原文
5月22日
23:47
23:47rohanpaul_ai@rohanpaul_ai
83°
Project Genie 是 Google AI 的一项新功能，允许 Ultra 用户将美国任何真实地点的 Google Maps 街景图像转化为可交互的 AI 生成场景。这意味着用户可以通过提示词操控和探索虚拟化的真实世界环境，而不仅仅是查看静态图片。该技术展示了世界模型从模拟到现实应用的跨越，为游戏、虚拟旅游和城市规划等领域带来新可能。目前该功能仅限 Google AI Ultra 用户使用，但预示着未来更广泛的沉浸式体验。
AI产品世界模型Google AIProject Genie街景模拟交互式场景
推荐理由：世界模型终于从实验室走向真实场景——Project Genie 让任何人用提示词就能把街景变成可交互的虚拟世界，做游戏、VR 或城市模拟的团队值得一试。
原文
5月21日
08:00
5月20日
08:13
08:13berryxia@berryxia
83°
Google I/O 2026 主题演讲由 Sundar Pichai 主讲，聚焦「Agentic Gemini 时代」，强调 AI 从聊天机器人进化为能自主思考、执行任务、跨设备运行的「世界模型」。主要发布包括 Gemini 3.5 Flash（速度提升 4 倍，默认模型）、Gemini Omni 多模态世界模型（支持任意输入输出，理解物理世界）、Gemini Spark 全天候自主 Agent，以及 Android XR 智能眼镜预览。Google 将 AI 深度整合到 Search、Workspace、Gmail 等产品中，并推出开发者工具 Antigravity 2.0。整体策略务实，注重落地而非参数竞赛。
行业Google I/OGemini智能体多模态世界模型
推荐理由：Google 把 AI 从聊天工具升级为操作系统级智能体，做开发、用搜索、搞创意的团队都能直接受益——Gemini 3.5 Flash 已可用，建议开发者立刻试试。
原文
06:27
03:31
5月19日
09:53
09:53berryxia@berryxia
83°
Odyssey 实验室推出了 Agora-1，这是全球第一个真正实时的多agent世界模型。该模型支持人类和AI同时进入同一个模拟世界，进行实时互动和互相影响。团队以经典游戏 GoldenEye 的死亡竞赛模式作为可玩的研究预览，用户现在就可以体验与AI一起开黑、互射、抢旗，模型会实时生成画面和声音，整个世界持续更新。这标志着从单人生成视频到多人共享活世界的转变。Odyssey 认为，多agent世界模型将彻底改变游戏、模拟、教育、机器人和AI协作的方式。
AI产品世界模型多agent实时互动OdysseyAgora-1
推荐理由：Odyssey 把世界模型从单人演示拉进了多人实时互动，做游戏、模拟或AI协作的团队可以直接体验这个活世界，建议点开试试。
原文