World modeling
PulseAugur coverage of World modeling — every cluster mentioning World modeling across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能治理理论：提出永久性下层阶级分类法
一篇LessWrong帖子提出了一个关于人工智能治理和世界建模背景下“永久性下层阶级”的分类法。作者以化名“becausecurious”撰写，建议使用此框架来对随着先进AI可能出现的潜在社会结构进行分类。该帖子发布于2026年10月19日，是对AI发展相关的理论社会结果的简要探讨。
-
新研究论文为复杂的机器学习任务形式化因果推理
一篇新研究论文提出了一个用于机器学习中因果推理的正式数学框架，特别适用于强化学习中的世界建模等复杂任务。该方法利用数据中的对称性来识别因果机制，旨在将因果推理扩展到传统的独立同分布（IID）数据假设之外。该框架旨在处理更复杂的因果查询，并提供关于迁移和鲁棒性等特性的见解。
-
新框架重塑世界模型以改进智能体
本文介绍了一种名为“以智能体为中心的交互式世界代理”的新框架，旨在通过超越静态监督来改进AI智能体。它提出使用世界模型作为智能体反馈的中间代理，这种方法比直接的现实世界交互更具可控性且成本效益更高。该框架根据动力学、空间信息、执行结果和记忆等反馈模态，将这些代理分为六种功能形式，并概述了智能体赋权的三个渐进级别：推理时指导、训练时优化和协同进化。
-
新论文重塑了以代理为中心的反馈的世界模型
一篇新论文提出了以代理为中心的交互式世界代理（Agent-Centric Interactive World Proxies），将世界建模的重点从物理状态预测转移到代理可用的信息转换。该框架将世界代理分为六种功能形式——动力学、空间、执行、记忆/经验、技能和奖励/验证——为持续改进代理提供多功能反馈。该论文概述了通过这些代理实现的三种渐进式代理赋权水平：推理时指导、训练时优化以及代理-代理协同进化，旨在为能够更好地规划、更快学习和持续…
-
新的基准 WorldRoamBench 和 MemoBench 评估 AI 世界模型的稳定性和记忆能力
引入了两个新的基准测试 WorldRoamBench 和 MemoBench，分别用于评估交互式世界模型和视频生成模型的能力。WorldRoamBench 专注于跨越动作、视觉、物理和记忆的长时程稳定性，测试超过 600 个案例，发现当前模型难以满足所有标准。MemoBench 专门针对动态环境中的记忆一致性，评估模型在物体消失后重新出现时恢复其更新状态的能力，评估显示在遮挡期间保留和更新物体状态存在挑战。
-
新框架联合训练语言代理的策略和世界模型
研究人员开发了一个名为PaW的新框架来训练语言代理。该方法在强化学习过程中同时联合训练策略和世界模型组件。PaW利用现有的RL数据提供世界模型监督，避免了对独立模拟器或额外计算的需求。