清华 Stateful Harness:规则执行与冻结视频生成分离,解交互世界模型状态一致性
Tsinghua-IVG · hf · 2026-10-20
清华团队提出 Stateful Harness 框架,解决交互式世界模型中隐藏状态的一致性问题:同一画面、同一动作应产生不同结果(如法杖解锁火/冰状态)。
- 核心思路「执行规则,生成像素」:将基于规则的世界状态更新与冻结的视频渲染模型分离
- 隐藏状态跨轮持久化,确定性规则解析动作结果得到待渲染事件,再交由冻结的视频模型生成画面
- 视频信息回写为下一帧的视觉锚点;发布 WorldState-Bench 基准评测此类隐藏状态一致性
「多模态」频道最新
- MOSS Image 加 8 步 Turbo LoRA 实测:速度快 10 倍,质量损失有限 — Aggressive_Collar135 · 2026-10-20
- 用户为 Suno 虚拟角色写歌：让 AI 谱出朋克斯卡单曲 — thederbiedone · 2026-10-20
- 网友用 Grok Imagine 做出恶搞剧集短片《Wendy》 — Old_Put1306 · 2026-10-20
- 网友用 AI 做出《回到未来》续集片段，万圣节味十足 — mitchdeg · 2026-10-20
- Midjourney v8.2 风格参考码 1631327937 成品展示 — azed_ai · 2026-10-20
- Google Flow 将办混合制片工作坊：实拍+AI 工作流怎么结合 — lmoroney · 2026-10-20