WorldTrace 同缓存下召回率超滑窗 32.6%,登顶 LoopBench 全部 12 项
cindy_x_wu · x · 2026-11-21
作者介绍 WorldTrace:一种面向世界模型的长程记忆/位置编码方法,在 Matrix-Game 2.0 与 LingBot-World 基础上构建。关键结果:在 LoopBench 上,相同缓存大小下平均召回率比滑窗基线提升 32.6%,且无需在 Matrix-Game 2.0 上重训练即在全部 12 项条件下得分最高。作者还列出相关工作:MemRoPE、∞-RoPE、YaRN、MosaicMem 等。
所属事件:NVIDIA 发布 WorldTrace:免训练修复视频世界模型场景失忆(6 条相关)→
「研究」频道最新
- NVIDIA 前实习生分享世界模型记忆研究,基于 Matrix-Game 2.0 与 LingBot-World — cindy_x_wu · 2026-11-21
- METR Time Horizon 2.0 附录偏少引研究者吐槽,主题截图流出 — dfrsrchtwts · 2026-11-21
- 数学家宣布黎曼猜想核心 GRH 证明草案,强调完全无 AI 参与 — paulabartabajo_ · 2026-11-21
- Arcfront 把医院工厂的真实工作记录做成 RL 环境与评测数据 — rohanpaul_ai · 2026-11-21
- Goodfire 解剖 Inkling 2 Mini:循环模型的层能读写「未来」的自己 — fatihdin4en · 2026-11-21
- 陶哲轩团队 mathematician 下注:敢赌黎曼猜想明年被证明吗? — jaivin · 2026-11-21