MBZUAI 发布通用世界模型 PAN 2,支持 agent 先模拟再行动
kimmonismus · x · 2026-11-11
MBZUAI 基础模型研究所(IFM)在 Hugging Face 开源发布通用世界模型 PAN 2(Apache 2.0,论文 arXiv:2507.05169)。
- 能力:给定当前观测(可选图片+文本)和文本描述的动作,模拟生成最长 20 秒的结果视频,用于「模拟式推理」——agent 可先想象每个候选动作的结果,再选最优方案执行。
- 架构:采用 Generative Latent Prediction(GLP)架构,来自论文《Critique of World Models》。LLM 负责概念推理,把观测和动作写成结构化、带时间标注的世界状态描述(事件、动作绑定、镜头运动);29B 参数的 MMDiT 扩散模型从零训练,负责感知细节,生成视频 latent;用 Wan 2.2 VAE 解码器渲染。
- 训练数据:数亿条以统一格式标注的视频。
- 亮点演示:模型跨视角保持场景一致性——纸飞机被扔下阳台,镜头全程跟拍下落,植物、沙发、地板保持不变;作者 kimmonismus 认为若 agent 能先在模拟中测试计划,大量试错可从慢且昂贵的现实世界移出。
所属事件:MBZUAI 开源世界模型 PAN 2,AI 行动前先模拟推演(16 条相关)→
「模型」频道最新
- 研究者实测基线模型:无人设无格式强迫,应答无偏差 — Sauers_ · 2026-11-22
- 重度实测 2 天:Google AI Pro 4.99 美元档额度扛不住但值回票价 — lipeng0820 · 2026-11-22
- 「如何搞垮 AI?」Anthropic 评测让用户 12 分钟内故意把 Claude 弄失败 — Icy-Measurement10 · 2026-11-22
- Tesla FSD 15 曝光实时内部视觉:AI 自己生成的合成世界观 — mark_k · 2026-11-22
- Gemini 黑五半价实测:日区付款年付 Pro 仅 $91.54 — huangyun_122 · 2026-11-22
- 微软开放 USB4 RDMA:多台迷你 PC 拼内存跑 Qwen3-235B — JFPuget · 2026-11-22