interactive-generation

Hy-Nomas是一个8B参数的视频世界模型，通过action-aware因果注意力与结构化字幕，支持多轮自由文本指令和连续相机控制的交互式世界生成，并开源了模型权重、代码与基准。

提出生成式世界模拟框架，将持久共享世界状态引擎 DAO 与第一人称交互体验模型 JING 耦合，通过连续交互循环生成可随用户动作演化并保留历史的沉浸式视听体验。

Grok 4.7 在几分钟内从一个简单的提示生成了一个交互式的3D喷气发动机可视化器，展示了其先进的AI能力。

本文介绍了Live Music Diffusion Models（LMDMs），它通过修改扩散过程，实现了高效的块式处理以及新颖的训练范式，从而在消费级硬件上进行实时交互式音乐生成，在推理复杂度上超越了离散自回归模型，并实现了稳定的后训练对齐。

Matrix-Game 是一个拥有 170 亿参数的交互式世界基础模型，通过两阶段训练（大规模无标注预训练 + 动作标注训练）实现可控的 Minecraft 游戏世界生成。在动作可控性与物理一致性方面超越了 Oasis、MineWorld 等开源模型，并将开源模型权重与 GameWorld Score 基准。