GameWAM：游戏世界开始边玩边想

GameWAM让游戏智能体一边操作、一边预测后果，并在每次反馈后重新规划。

深度专题 FEATURES — 3

PAPER

CLAP 让不同机器人共享视频经验，尝试用一个世界模型零样本预演多种身体的动作后果。

PAPER

两名架构师定规格，AI两周打通芯片设计、验证与部署；真正新意是端到端闭环。

PAPER 3 信源

三项同期工作给长视频生成换了思路：记忆不是越多越好，关键是何时回忆、谁来查、该留下什么。

速览 BRIEFS — 8

PAPER

LeVJEPA删掉教师网络与预测器，用更简单的防坍塌约束降低视频预训练成本。

H 2

PAPER

DARD让扩散语言模型先并行填词、再撤回可疑答案，兼顾生成速度与质量。

H 47

PAPER

TreeGraft按需调用强弱草稿模型，共建候选树，兼顾速度与命中率。

H 8

PAPER

不再费力还原未来画面，世界模型直接比较不同走法的后果，并反过来训练导航策略。

H 23

PAPER

SpeechGym让语音Agent不经文字中转，在真实对话与工具调用中直接用强化学习练习。

H 118

PAPER

同一底座模型，只换上下文管理和执行循环，修复成绩就可能大幅变化。

PAPER

Puro-2B公开完整训练配方，估算约4400美元可追平Qwen2-1.5B。

H 14

PAPER

TwinKV用成对键冗余纠正缓存误删，让小模型的长文本“笔记”多一道补救。