在特征空间做随机世界建模
bronzeagepapi · x · 2026-07-19
这篇研究介绍了 Flow Matching in Feature Space for Stochastic World Modeling（FlowWM）。
主要思路是：
- 不再先压缩到 VAE 潜空间，而是直接在 DINOv3 特征空间 上做 flow matching。
- 用这种方式去建模多个可能的未来状态，更适合随机世界建模。
- 论文还提到通过 wide heads 和 task-aware losses 提升效果。
作者声称，这种方法在 长时序目标检测 和 深度预测 上表现更好，说明它对未来状态的不确定性建模更强。
「研究」频道最新
- 斯坦福团队推出全球最快分词器 Gigatoken — StanfordAILab · 2026-07-22
- Tabul AI 推出 Metal TreeSHAP，加速 Apple silicon 上的 Shapley 计算 — Scobleizer · 2026-07-22
- Reddit 转发 OpenAI 的 ChatGPT 广告页面 — EcstaticAsparagus509 · 2026-07-22
- 开源 runtime 让每个仓库自定义 AI 代码审查器 — ibabufrik · 2026-07-22
- DeepSWE：专攻真实 GitHub 场景的 AI 编码智能体评测基准 — pmz · 2026-07-22
- Claude 辅助写成的 Rust 太空经济模拟器，能跑数百艘自治船只 — kalcode · 2026-07-22