腾讯 WorldCycle：让视频世界模型通过可逆动作循环实现自我验证
tencent · hf · 2026-08-06
针对交互式视频世界模型在长程规划中容易产生复合误差的问题，腾讯提出了 WorldCycle，一种具备自我验证能力的强化学习框架。
该框架的核心洞察在于可逆动作循环：如果一个动作序列与其逆向序列组合后能解析性地回到初始状态，就可以为长程正确性提供无需人工标注的监督信号。WorldCycle 构建了闭环动作并优化两种互补奖励：
- 空间闭合奖励：强制正向与反向片段之间的对称性。
- 时间一致性奖励：对齐重复执行周期时的状态。
这种机制迫使模型学习一致的状态算子，而非死记硬背时间模式。实验显示，WorldCycle 将状态返回漂移降低了最高 44%，并将复合动作准确率提升了近 4 倍。此外，团队还发布了用于诊断状态返回能力的基准测试 CycleBench。
「研究」频道最新
- 哈佛麻省理工推 MatrAIx：构建 83 亿数字分身评估 AI — BrihiJ · 2026-08-06
- 非指令前缀或能绕过 RLHF 安全限制，无需对抗提示 — Historical-Cod-2537 · 2026-08-06
- Ling-3.0-flash 训练揭秘：万个交互环境铸就智能体能力 — truecakesnake · 2026-08-06
- 新神经网络架构 OGM 用于人类疾病风险预测 — anshulkundaje · 2026-08-06
- CoCoEvolve：打破模态壁垒的图表与代码一致性学习新框架 — Xuehang Guo · 2026-08-06
- Ego2Robot：将人类第一视角视频转为海量机器人训练数据 — Ye Wang · 2026-08-06