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
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11