@AdinaYakup: BAAI 刚刚在 @HuggingPapers 上发布了 Orca 论文：一种多模态潜在世界模型，它首先学习世界本身，……

X AI KOLs Following 论文
multimodal world-model latent-representation scaling open-source research-paper

摘要

BAAI 发布了 Orca 论文，描述了一种多模态潜在世界模型，该模型首先学习统一的世界表示，然后使用冻结的主干网络和微小的解码器解码为文本、图像或动作，权重即将发布。

BAAI 刚刚在 @HuggingPapers 上发布了 Orca 论文 一种多模态潜在世界模型：它首先学习世界本身，而文本/图像/动作只是读取它的不同方式 怎么做？ 他们冻结了整个主干网络，只在其上训练了微小的解码器。因此，任何胜利都来自表示，而非解码器。并且它同时在所有三种模态上扩展。 权重即将发布！
查看原文
查看缓存全文

缓存时间: 2026/07/01 10:05

BAAI 刚刚在 @HuggingPapers 上发布了 Orca 论文

一种多模态潜在世界模型：它首先学习世界本身，而文本/图像/动作只是读取它的不同方式

怎么做？ 他们冻结了整个骨干网络，只训练了顶部的微型解码器。因此任何收益都来自表征，而非解码器。并且它同时适用于所有三种模态。

权重即将发布！

相似文章

Orca：世界尽在你的脑海中

Hugging Face Daily Papers

本文介绍了Orca，一个世界基础模型，它通过下一状态预测从多模态数据中学习统一的潜在空间，在文本生成、图像预测和具身动作生成等下游任务上优于专门的基线模型。