可编程世界模型让 AI 游戏记住状态,准确率达 94%
mhdfaran · x · 2026-09-10
Alaya Lab 的论文「Programmable World Model」试图解决 AI 生成游戏的核心难题：世界状态记忆。多数视频世界模型只能生成下一帧可信画面，但游戏需要持久事实——NPC 存活、HP 数值、背包物品、任务进度、镜头外物体等。
论文的核心思路是把系统拆成两层：
- Engine 引擎层：维护真实世界状态，可用 onhit → hp -= damage 这类可编程规则，且规则在 NPC 离开画面后依然成立；
- 视频模型层：只负责渲染当前状态应有的画面。
同时用「状态增广 3D 边界框」追踪每个实体的身份、位置、朝向与状态，让视频模型专注生成细节视觉与运动。
在自建 CombatStateBench 上，该方法达到 94% 角色数量准确率与 98% 状态准确率，而被测交互式世界模型分别只有 32–41% 和 8–58%。
作者的核心判断：AI 游戏的未来未必是一个大模型包办一切，更可能是「底层可编程状态 + 上层生成式视频」的架构。
所属事件:Alaya Lab 发布可编程世界模型，让 AI 游戏拥有持久状态(2 条相关)→
「研究」频道最新
- CoT 相似度检测显示 Qwen3.8 疑似用 GPT 5.5 思维链训练 — Chromix_ · 2026-09-10
- Bristol and MPI release EPIC-Contact dataset and HOPformer, first-person 3D hand-object pose estimation — Michael_J_Black · 2026-09-10
- 研究：24% 的 AI 科研文档被判定为改写式抄袭 — danish037 · 2026-09-10
- 告诉agent预算有100万token，它竟多思考3-5倍 — paraschopra · 2026-09-10
- Meta Boxer 亮相 ECCV:应对 3D 真值数据与 2D 差距扩大 — ducha_aiki · 2026-09-10
- TRL 发布百万 token 长上下文训练指南，单节点训通 Qwen3-8B — QGallouedec · 2026-09-10