视频模型激活可线性读出坐标，还能提前预测碰撞
mathemagic1an · x · 2026-07-29
这条回复继续展开同一研究思路：视频模型内部对物理世界的表征，可能比外表看起来更“显式”。
- 激活里可以用线性映射直接读出 X/Y 坐标。
- 更深层还能提前 عدة 步预测碰撞。
- 这说明模型未必只是“像素插值”，而是在形成对象与关系的高层表示。
- 作者据此引出后面的 Jacobian lens 实验：把内部方向变成可控的运动信号。
所属事件:4M参数像素Transformer涌现物理世界模型(10 条相关)→
「多模态」频道最新
- MOSS-Image 基础模型出图展示:cfg4、39 步、约 1.5MP 直出 — COMPLOGICGADH · 2026-10-17
- MOSS 图像模型 4K 实测:5090 上 55 秒出一帧,峰值显存 19.5GB — RauschCraft · 2026-10-17
- Fizgig LoRA 隔离法:50 个陌生人 0 串脸,相似度几乎不损失 — shootthesound · 2026-10-17
- 35B 多模态模型跑进 3GB 内存：MiniCPM-V 4.7 全程离线读懂家电面板 — alifcoder · 2026-10-17
- 开源 .char 格式升级：单次生成最多 4 个一致性角色 — ashishsanu · 2026-10-17
- AI 生成短片《The Biscuit Story》展现电影级雪景叙事 — SightsFilms · 2026-10-17