PhiZero：基于物理语言的物理世界模型
Shuyao Shang · hf · 2026-07-31
PhiZero 是一种围绕“物理语言”构建的新型物理世界模型。现有模型通常直接在像素空间预测未来视频，导致底层物理动态隐含在高维视觉预测器中。PhiZero 受到人类从视觉经验中抽象出预测结构并组织为自然语言的能力启发，通过自监督学习从野外视频中提取“物理语言”——一种紧凑的、离散的世界状态转换表示。
核心机制：
- 采用“先推理后渲染”的范式：首先推断未来的世界演变，并将其表示为物理语言序列，然后再将这些转换渲染为视频。
实验成果：
- 在多个生成和理解基准上验证了其建模物理连贯性世界演变的能力。
- 展示了在真实交互式世界建模、细粒度动作条件模拟以及零样本运动迁移方面的潜力。
「研究」频道最新
- Meta 提出 ROCS 推荐推理范式，检索 QPS 最高提升 3 倍 — _reachsumit · 2026-07-31
- 强制审稿制度下，AI 学术会议的低质量评审不应再被容忍 — Kwangryeol · 2026-07-31
- HiLaR 框架：用分层强化学习优化 LLM 推荐推理 — _reachsumit · 2026-07-31
- 快手提出反馈驱动框架，将 LLM 推荐策略蒸馏至轻量生成器 — _reachsumit · 2026-07-31
- 腾讯提出 CCFormer：高效长序列建模优化工业推荐系统 — _reachsumit · 2026-07-31
- H3-Omni 架构解析：原生 2K 分辨率与上下文重绘技术 — bdsqlsz · 2026-07-31