英伟达与清华大学联合推出“Gamma-World”,突破多智能体模拟的极限
视频世界模型正从单智能体视角向多智能体协作转变。传统模型通常假设仅存在一个智能体,这限制了其处理复杂场景的能力——在这些场景中,多个参与者在同一个虚拟世界中相互作用并观察彼此。 为克服这一架构瓶颈,英伟达(NVIDIA)与清华大学、多伦多大学及Vector研究所合作,推出了名为Gamma-World(γ-World)的全新多智能体世界建模解决方案。
多智能体世界建模的主要挑战在于保持三种一致性:时间一致性、跨视角一致性和交互一致性。 此前诸如 Solaris 等研究虽然推进了双智能体协作,但暴露出两个关键缺陷:身份编码破坏了置换对称性;全连接注意力机制会导致计算量随智能体数量呈二次增长,从而阻碍了向更多参与者进行有效扩展。

Gamma-World 通过彻底重新设计解决了这些结构性问题。研究团队引入了“单纯形旋转代理编码”(Simplex Rotary Agent Encoding),将所有参与者定位在几何单纯形的顶点上,确保它们之间保持自然的等距关系和平等地位。 该设计不包含可学习参数,并采用随机坐标分配,使模型能够基于双代理数据进行训练,并在无需任何架构更改的情况下直接执行四代理场景——这是泛化能力上的重大飞跃。
为解决计算吞吐量瓶颈,Gamma-World 采用了“稀疏枢纽注意力机制”。该方法用一组可学习的枢纽令牌取代了传统的成对直接通信,这些令牌作为共享世界状态的压缩中继,将计算成本降低至线性复杂度。 结合独立缓存机制,该系统实现了每秒 24 帧(24 FPS)的实时动作模拟。
在训练过程中,研究团队采用三阶段“师-生”蒸馏方法:双向“师”模型引导因果“生”模型,将多步采样压缩为仅四步。这在保持动作可控性的同时,显著减少了自回归推理过程中的误差累积。
实验结果表明,在《我的世界》多玩家虚拟环境中的五个核心场景(包括记忆和建造)中,Gamma-World 表现优于现有的最先进模型,视频质量指标 FVD 的平均降幅超过 40%。 该框架还成功应用于真实的双臂机器人协作任务,证实了其跨场景适用性。这一进展不仅提升了多智能体模拟的性能,还有潜力成为物理人工智能领域(如多臂医疗协作、工厂多机器人调度以及自动驾驶)的大规模模拟生成基础设施。
相关文章
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
如何修复核心网页指标以获得更好的 SEO 排名
利用 AI 工具简化成绩单评语撰写引言用于生成成绩单评语的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成绩单评语登录 Magic School选择成绩单评语工具为学生定制评语使用 Almanac AI 生成成绩单评语设置课程与评分方案配置评语长度与学生信息使用 Almanac AI 生成评语比较 Magic School 与 Almanac AI设置的便捷性可定制性与课程内容的整合速度与效率使用
相关专题推荐
评论 (0)
0/500
视频世界模型正从单智能体视角向多智能体协作转变。传统模型通常假设仅存在一个智能体,这限制了其处理复杂场景的能力——在这些场景中,多个参与者在同一个虚拟世界中相互作用并观察彼此。 为克服这一架构瓶颈,英伟达(NVIDIA)与清华大学、多伦多大学及Vector研究所合作,推出了名为Gamma-World(γ-World)的全新多智能体世界建模解决方案。
多智能体世界建模的主要挑战在于保持三种一致性:时间一致性、跨视角一致性和交互一致性。 此前诸如 Solaris 等研究虽然推进了双智能体协作,但暴露出两个关键缺陷:身份编码破坏了置换对称性;全连接注意力机制会导致计算量随智能体数量呈二次增长,从而阻碍了向更多参与者进行有效扩展。

Gamma-World 通过彻底重新设计解决了这些结构性问题。研究团队引入了“单纯形旋转代理编码”(Simplex Rotary Agent Encoding),将所有参与者定位在几何单纯形的顶点上,确保它们之间保持自然的等距关系和平等地位。 该设计不包含可学习参数,并采用随机坐标分配,使模型能够基于双代理数据进行训练,并在无需任何架构更改的情况下直接执行四代理场景——这是泛化能力上的重大飞跃。
为解决计算吞吐量瓶颈,Gamma-World 采用了“稀疏枢纽注意力机制”。该方法用一组可学习的枢纽令牌取代了传统的成对直接通信,这些令牌作为共享世界状态的压缩中继,将计算成本降低至线性复杂度。 结合独立缓存机制,该系统实现了每秒 24 帧(24 FPS)的实时动作模拟。
在训练过程中,研究团队采用三阶段“师-生”蒸馏方法:双向“师”模型引导因果“生”模型,将多步采样压缩为仅四步。这在保持动作可控性的同时,显著减少了自回归推理过程中的误差累积。
实验结果表明,在《我的世界》多玩家虚拟环境中的五个核心场景(包括记忆和建造)中,Gamma-World 表现优于现有的最先进模型,视频质量指标 FVD 的平均降幅超过 40%。 该框架还成功应用于真实的双臂机器人协作任务,证实了其跨场景适用性。这一进展不仅提升了多智能体模拟的性能,还有潜力成为物理人工智能领域(如多臂医疗协作、工厂多机器人调度以及自动驾驶)的大规模模拟生成基础设施。
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
如何修复核心网页指标以获得更好的 SEO 排名
利用 AI 工具简化成绩单评语撰写引言用于生成成绩单评语的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成绩单评语登录 Magic School选择成绩单评语工具为学生定制评语使用 Almanac AI 生成成绩单评语设置课程与评分方案配置评语长度与学生信息使用 Almanac AI 生成评语比较 Magic School 与 Almanac AI设置的便捷性可定制性与课程内容的整合速度与效率使用





首页






