Cosmos3 Nano
PulseAugur coverage of Cosmos3 Nano — every cluster mentioning Cosmos3 Nano across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
NVIDIA 研究人员开发 Physis-Lang 以改进 AI 视频生成中的物理效果
来自 NVIDIA、MIT 和牛津大学的研究人员开发了 Physis-Lang，这是一个为视频生成模型注入物理定律理解能力的新颖框架。该方法使用自演化的语言表示来提高生成视频中的物理一致性，在多项物理基准测试中超越了 Google 的 Veo 3.1 等现有模型。该系统将物理推理直接集成到字幕中，并使用负面提示来防止不切实际的结果，在刚体运动和流体动力学等领域取得了显著的进步。
-
Physis-Lang 框架使用自演化语言来表示视频世界模型 · 已追踪 2 个来源
研究人员开发了 Physis-Lang，一个利用自演化语言来表示视频世界模型物理过程的新颖框架。该方法旨在提高生成视频的物理合理性，因为这些视频经常违反基本物理原理。Physis-Lang 构建了一个物理语言表征，并使用一个名为 PhysCapBench 的基准来迭代地改进这种表征。实验表明，即使是基于 Cosmos3-Nano 等开源骨干模型的 Physis-Lang 增强模型，在物理合理性方面也优于 Veo 3.1 等专有模型。
-
新的稀疏注意力方法提高了 Transformer 处理长上下文的效率 · 跟踪 4 个来源
研究人员正在开发新方法来提高 Transformer 语言模型的效率，尤其是在处理长上下文方面。一种名为 BF1 的方法，通过确定性的块对齐稀疏注意力机制对现有模型进行改造，与密集注意力相比，显著加快了预填充时间并提高了训练困惑度。另一种方法侧重于使用稀疏注意力策略对模型进行微调，使其能够适应并优于使用精确注意力训练的模型，名为 KeysAndValues 的开源库促进了这些长上下文推理和微调任务。此外，还开发了一种名为 Sparse…
-
CosmosAlign 框架调整世界模型用于交通视频预测
研究人员开发了 CosmosAlign，一个用于生成式交通视频预测的新框架，该框架将世界基础模型 Cosmos3-Nano 调整用于此特定任务。该方法侧重于分布对齐而非增加模型大小，采用了两阶段 LoRA 调整策略。此方法首先对齐条件模式分布，然后重新标注训练数据以匹配模型的提示界面。CosmosAlign 在 AI City Challenge 2026 Track 5 基准测试中以 76.49 的分数获得第一名。
-
新数据集RetailSMV优化零售环境下的视频世界模型
研究人员开发了RetailSMV，一个用于零售环境基础视频世界模型的新数据集和适应方法。该研究比较了训练中的向心式和离心式视频视角，发现仅离心式适应通常能匹配甚至超越组合适应。这表明专注于零售活动的外部视角可以为在这些空间中运行的智能体产生更有效的模型。
-
NVIDIA 发布用于物理AI的Cosmos3基础模型
NVIDIA 发布了其Cosmos3基础模型平台，旨在加速物理AI应用的开发。该平台包含多个全模态世界模型，能够根据文本、图像和视频等各种输入生成视频、图像、音频和动作指令。这些模型将用于机器人、自动驾驶和智能空间环境，并有专门针对机器人控制和生成逼真视觉内容等任务的版本。
-
PhysisForcing框架提高了机器人操作模拟器中的物理一致性
研究人员开发了PhysisForcing，一个旨在增强机器人操作视频生成模型物理一致性的新型训练框架。该方法通过像素级轨迹对齐和语义级关系对齐，将监督集中在对物理有信息量的区域，从而解决了运动不连续和交互不一致等问题。实验表明，PhysisForcing显著提高了具身视频生成能力，在R-Bench等基准测试中表现更佳，并在闭环机器人操作任务中实现了更高的成功率。
-
Cosmos3 Nano 视频生成速度快，但分辨率受限
一位用户分享了使用 vllm-omni 测试 Cosmos3 Nano 模型进行视频生成的体验。他们报告称速度惊人，在双 RTX 3090 设置下，不到 10 分钟就生成了一个 720x720 的视频。然而，在视频解码时尝试更高分辨率时遇到了内存不足的错误，并指出虽然图像到视频的质量尚可，但 nano 模型产生了一些伪影和涂抹。