UCSC 等发布 ALPS 视觉编码器：统一状态、语言与像素

UC Santa Cruz 联合 Google 与 UCSB 发布 ALPS（A Language-aligned, Pixel-renderable State encoder），一种面向世界模型的预训练视觉状态编码器。它主张视觉表征应同时具备物理状态信息、原生语言对齐与像素重建三种能力，而现有编码器通常只专精其中一两种。实验中，ALPS 在 LIBERO 基准上取得 85.5% 的成功率，验证了统一三种接口的有效性。

2026-10-22 ~ 2026-10-23 · 3 条相关

• UCSC 团队发布 ALPS：一个视觉编码器同时服务物理状态、语言与像素 — UCSC-VLAA · 2026-10-22
• UCSC 等发布 ALPS 编码器：一套视觉 token 统一状态、语言与像素 — cihangxie · 2026-10-23
• ALPS:统一语言、重建与空间对应的视觉状态编码器,LIBERO 成功率 85.5% — yuyinzhou_cs · 2026-10-23