CCTest · Blog
PhysEvolve:让视觉语言模型在可执行世界中自我进化物理推理
世界模型
cctest.ai
世界模型

PhysEvolve:让视觉语言模型在可执行世界中自我进化物理推理

PhysEvolve提出一种由验证器驱动的自我进化框架,让视觉语言模型自行构造可执行物理世界,再借助确定性物理引擎生成并校验反事实任务。该方法重点提升模型对交互、因果和改变世界条件问题的理解。

阅读全文
CCTest · Blog
RynnWorld-Latent:用统一潜在动作连接人类视频与不同机器人
世界模型
cctest.ai
世界模型

RynnWorld-Latent:用统一潜在动作连接人类视频与不同机器人

RynnWorld-Latent以RynnLAM提供的3D基础潜在动作作为跨具身接口,让人类交互视频、机器人示范和仿真数据能够共同训练可控视频世界模型。研究还通过数字遥操作和潜在动作合成生成训练数据,提升机器人策略学习效果。

阅读全文
CCTest · Blog
从视频理解到世界建模:一篇综述重新梳理视频模型的四种能力
世界模型
cctest.ai
世界模型

从视频理解到世界建模:一篇综述重新梳理视频模型的四种能力

一篇视频世界模型综述提出“阅读、书写、共享、交互”四种操作,试图用统一视角连接视频理解、生成、统一模型与世界模型。文章强调,画面连贯并不等于潜在世界状态一致,真正的挑战在于记忆、因果、控制和长期演化。

阅读全文
CCTest · Blog
GUI安全不能只看屏幕:世界模型开始验证“动作之后发生了什么”
世界模型
cctest.ai
世界模型

GUI安全不能只看屏幕:世界模型开始验证“动作之后发生了什么”

一个登录页面本身可能完全合法,但如果它出现在“查看订单”之后,就可能意味着界面被劫持。新研究提出LGWM,让世界模型直接预测下一屏的表示,用低延迟向量比较判断GUI智能体是否经历了异常转移。

阅读全文
CCTest · Blog
让世界模型学会“追点”:VPM用点轨迹连接多视角视频与3D运动
世界模型
cctest.ai
世界模型

让世界模型学会“追点”:VPM用点轨迹连接多视角视频与3D运动

研究团队提出Video-Point Model(VPM),让世界模型同时预测未来视频和场景点的三维运动轨迹。通过把跨摄像机一致的点轨迹纳入训练,模型试图解决多视角预测中的几何不一致问题,并进一步服务于机器人控制。

阅读全文
CCTest · Blog
从“能解码”到“能理解”:JEPA潜在世界的可解释性路线
世界模型
cctest.ai
世界模型

从“能解码”到“能理解”:JEPA潜在世界的可解释性路线

JEPA正在从表征学习工具走向支持预测、规划与控制的潜在世界模型,但其内部状态缺少直观的人类解释接口。一篇最新观点文章提出“Ground–Structure–Verify–Act”四阶段框架,推动可解释性从读取信息转向理解潜在世界的运行方式。

阅读全文
CCTest · Blog
让世界模型先执行规则,再生成画面:Stateful Harness如何补上“隐状态”短板
世界模型
cctest.ai
世界模型

让世界模型先执行规则,再生成画面:Stateful Harness如何补上“隐状态”短板

清华大学团队提出 Stateful Harness,将世界状态演化与视频渲染拆开处理,让交互式世界模型能够依据不可见状态执行持久规则。其在 WorldState-Bench 上将同一视频模型的双案例正确率提升至 92%。

阅读全文