研究团队提出StateCraft视频世界模型架构

研究团队在预印本论文中提出名为 StateCraft 的视频世界模型架构，通过将语言模型与视频扩散模型配对，把可更新的抽象状态与视觉状态解耦，以提升模型在长期交互中的一致性与动态仿真能力。 该架构支持直接编辑抽象状态，用于追踪实体变化并调节当前视觉呈现。论文称，该方法在生成界面基准测试，以及涉及改变未观测房间光照的3D概念验证实验中，表现均超过现有基准。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。