新研究提出可预测潜空间的视频世界模型训练方法

Mattia Scardecchia 与 Sherry Yang 提出一种面向视频世界模型的可预测潜空间表示学习方法：在潜空间加入时间预测目标，并搭配过去条件化解码器。论文称，在同等训练预算下，这一方法能同时提升生成质量与效率，推理成本最多降低 5 倍，训练速度提升 7 倍以上，分布外与长时程场景的像素和感知误差下降 15-24%。 论文还称，用视觉语言模型基于像素预测评判任务成功率时，结果也更贴近真实世界策略评估。上述效果均为论文作者的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。