标签
Skyfall AI 发布了 SKY-001，这是一款工程世界模型，能够用数千个 3D 零部件重建一辆捷豹汽车，并声称其 CAD 精度与 GPT-6 Astra 相当，同时运行速度是后者的 51 倍，成本仅为后者的 1/150。
Skyfall AI 发布了 SKY-001，一款通过在 3D 空间中规划零件和建造步骤来设计物理产品的世界模型，其 CAD 精度与 GPT-6 Astra 相当，而每个设计的成本约低 150 倍。
Google 隆重回顾了 2026 年 10 月的重大 AI 更新，包括推出 Gemini 4 Argon 与 Gemini 4 Carbon 前沿模型、Genie 4 实时交互世界模型、Fitbit Edge 以及量子计算瓶颈突破。
以色列初创公司42AI以6250万美元种子轮融资走出隐身模式，其开发的“行为世界模型”能够预测个体的决策概率，初期部署于金融券商，用于在市场剧烈波动时预判交易员行为。
tinyworldformer 在 Raspberry Pi Pico 2 W 上运行两个微型神经网络——一个循环 Transformer 世界模型和一个 MLP actor——完全在设备端生成并游玩 Breakout、Pong 和 Flappy Bird 等简单游戏，并可通过可选的 stream-x 实现板载强化学习。
WorldFlow 是一个生成式世界模型，通过连续位移词元与混合 Transformer 骨干网络联合预测未来视频和 3D 轨迹，在多个基准上显著降低了位移误差，并发布了包含 1,678 个样本的 WorldFlowBench 评测集。
HiFOR 提出了一种面向视觉-语言-动作模型的层次化前瞻框架，结合动作引导的世界检索，联合预测短期状态、语义里程碑与目标状态，从而更好地引导机器人操作动作的生成。
腾讯的 Hy-Nomas 交互式视频世界模型现已在 HuggingFace 上线演示空间，同时腾讯官方账号还运行了一个使用 ZeroGPU 推理的副本，供公众体验。
Google DeepMind 发布了 Genie 4 世界模型研究预览版，新增实时音频生成、更逼真的可交互世界，以及支持中途提示词编辑的实时操控功能。该模型可维持最长两分钟的场景一致性，并与 Gemini 深度集成，用于机器人仿真、游戏和影视原型制作等场景。
Google DeepMind 发布 Genie 4，一个面向创作者、游戏开发者和 AI 研究者的实时世界模型，可根据文本提示生成可交互探索的动态世界，并生成音频、模拟物理运动，目前开放研究预览候补名单。
Google DeepMind 宣布推出 Genie 4，这是一款全新的实时交互式世界模型，具备原生音频生成、逼真的物理模拟，以及由 Gemini 驱动的推理能力，可保持模拟的一致性。目前，该模型正以研究预览版的形式，逐步向受信任的测试人员、Google AI Ultra 订阅用户，以及 Gemini API/Gemini AI Studio 的抢先体验合作伙伴开放。
PDRVLA 是一篇机器人操作研究论文，提出在视觉-语言-动作（VLA）模型中加入轻量级物理动力学模块，通过世界模型监督预测未来视觉特征，从而在不引入在线视频生成延迟的情况下提升机器人动作生成性能，并在 LIBERO、RoboTwin 2.0 等仿真基准上取得领先成功率。
RynnWorld-Latent 是一个跨具身视频世界模型，利用三维定位的潜在动作作为共享条件接口，实现了在人类视频、机器人示范和仿真轨迹上的联合预训练，从而生成合成数据以提升机器人策略在 LIBERO 和真实平台上的性能。
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。
ThinkWorld 是一个视觉-语言-动作（VLA）学习框架，通过动力学链（CoD）运动词元表示动作，并利用世界想象进行强化学习，从而从无标注人类视频中获取监督，提升机器人操作在未见任务和环境中的泛化能力。
MLE-World：一个基于 Qwen3.5-4B 微调的世界模型，无需执行即可预测机器学习实验结果（错误堆栈、日志、验证分数），使 AI 研究智能体能够以低成本进行测试时扩展。它在 77.9% 的留出程序上与真实终端输出一致，并在 MLE-bench Lite 任务上将平均性能提升最高达 22.1%。
Psi-0.6 是一个统一的视觉语言世界模型，通过“思维流”自适应地组合感知、语言、几何与仿真能力，在多视角空间推理任务上实现零样本性能提升，并支持利用任务反馈通过强化学习优化的反事实仿真。
作者微调了一个 360M 参数的 Qwen2.5-Coder-0.5B 模型，使其像真正的终端一样预测屏幕变化，可以模拟 vim、tmux、snake 等应用，展示了小型世界模型在字符网格界面中维持一致状态的可行性。
一个经过训练、能够玩 NES 版俄罗斯方块的紧凑型世界模型，仅有 270 万个参数，证明了极小的模型也能掌握足够的游戏动态，从而精通这款游戏。
CausGround 提出一种非参数化的因果交互锚定框架，从交互经验中提炼可复用的动作前置条件与效果，无需重训模型即可提升多模态大语言模型在 VirtualHome、RoboCasa 等基准上的具身规划成功率（如从 24.9% 提升至 53.3%）。