Alaya-EVOKE: 从线性扩展监督到无尽世界
摘要
Evoke 是一个交互式世界模型，具有外部持久记忆和重新设计的长时程教师，支持在有界上下文和低延迟下进行开放式视频生成。它在 WBench 上达到了最先进的性能，同时在 VBench-Long 和 VBench-2.0 上保持竞争力。
查看缓存全文
缓存时间: 2026/08/14 03:26
论文页面 - Alaya-EVOKE: 从线性扩展监督到无尽世界
来源: https://huggingface.co/papers/2608.13546
摘要
Evoke 是一种交互式世界模型,它利用外部持久化内存和重新设计的长视界教师模型,以有界上下文和低延迟实现响应式、开放式视频生成。交互式世界模型 (https://huggingface.co/papers?q=world%20models) 必须支持持久化内存、响应式交互和长视界生成,但这些要求对模型施加了相互冲突的需求。在去噪器上下文 (https://huggingface.co/papers?q=denoiser%20context) 或键值缓存 (https://huggingface.co/papers?q=key-value%20cache) 中维护历史会带来不断增长的成本,迫使在会话长度与保留记忆之间权衡;而低延迟交互依赖于少步生成,其能力受限于教师模型。Evoke 通过外部化持久化世界状态,并重新设计用于长视界交互式生成的教师模型,解决了这两个限制。场景几何信息保存在一个外部的、以相机为索引的世界状态库中,仅检索与当前视角相关的信息,从而在会话增长时保持去噪器上下文 (https://huggingface.co/papers?q=denoiser%20context) 有界。我们没有将教师模型视为固定的生成器,而是针对长视界监督进行设计:其稀疏注意力 (https://huggingface.co/papers?q=sparse%20attention) 结合了分块分组 (https://huggingface.co/papers?q=chunk-wise%20grouping)、选定远距离帧的检索以及线性注意力全局状态,在实现长视界监督的同时,内存和计算量呈线性增长。这种监督暴露出在短窗口内局部看似合理的内容漂移,而逐分块条件控制则支持在整个序列中进行提示更改和事件控制。在自强制展开 (https://hug
相似文章
AlayaWorld: 交互式长视界世界建模 -- 完整技术报告
AlayaWorld是一个150亿参数的交互式视频世界模型，可生成24帧/秒的540p和720p视频，采用自回归潜变量块生成、受限视觉上下文以及蒸馏技术来减少推理步骤。它在长视界生成基准iWorld-Bench上达到了最先进的性能。
AlayaWorld：长跨度可交互视频世界生成
AlayaWorld 是一个用于构建可交互生成世界的开源框架，支持实时用户交互和多样化动作。该框架统一了从数据准备到部署的完整开发流程。
Baba in Wonderland：面向可执行世界模型的在线自监督动态发现
介绍了Alice，一个闭环系统，通过将失败的候选更新视为结构信号，在先验不对齐的情况下在线学习可执行世界模型，在具有语义重新映射标签的Baba Is You变体上实现了改进的性能。
无限世界与多样交互
本文介绍了LingBot-World 2.0，一个先进的世界建模系统，具有无界交互范围、实时720p 60fps视频生成、多样化的交互元素（例如攻击、施法），以及通过领航员和导演智能体实现的新型多智能体行为控制，还附带一个共享的多玩家界面。
Agent-World：面向演进式通用智能体的现实世界环境合成扩展
# 论文页面 - Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence 来源：[https://huggingface.co/papers/2604.18292](https://huggingface.co/papers/2604.18292) 发布于 4 月 20 日 · 提交者[https://huggingface.co/dongguanting](https://huggingface.co/dongguanting) [](https://huggingface.co/dongguanting) [KABI](https://huggingface.co/donggua