标签
ANTE 是一个 agentic 强化学习框架，通过执行验证的动作前预测为编码智能体提供逐步信用分配，显著提升了 Qwen3-32B 在 SWE-bench Verified 上的性能（从 25.0% 提升至 57.2% pass@1）。其核心组件 BAPO 将预测锚定为逐步优势信号，ANTE-TTO 则在推理时无需外部评分器即可选择候选动作。
ExeWorldBench 是首个通过基于代码的 3D 世界构建，全面评估世界理解与可执行实现能力的基准，包含三个递进任务：机制可执行性、组合可执行性和意图驱动的可执行世界合成。实验显示前沿模型在可执行世界建模方面仍存在显著局限。
第9届年度《State of AI》报告发布，涵盖AI自我强化、世界模型、Physical AI、地缘政治、网络防御以及未来12个月的预测。
论文提出 World-Model Policy Arbiter (WMPA)，一个测试时框架，通过在学习到的世界模型中推演多个冻结的目标条件策略并用共享价值函数进行评分，在 OGBench 上将宏平均成功率从 44% 提升至 58%。
MemoWM 提出一种以世界模型为条件的记忆分配框架，通过共享预测压缩智能体长期经验存储，在五个长时程智能体记忆基准上达到42.42%平均准确率，同时将经验特定存储降低53.9%。研究还揭示了共享模型容量与重复存储成本之间的权衡关系。
LLM-IDEA 论文提出一个由可识别性驱动的实验智能体，用于闭环自主发现机制性世界模型。其可识别性引擎能在能力上限、设计类内可解、认证耗尽三种平台期判定之间做出选择，从而使自主智能体能够计算出当前平台期是需要更多搜索、更优同类实验，还是需要更换一类实验。
该论文提出WATCH，一种跨视频预训练方法，通过任务配对的人类演示学习可迁移的世界-动作模型，无需人-机器人配对数据；在机器人后训练后将MimicDroid的上下文内成功率从40.9%提升至68.3%（Cosmos Policy）以及从59.8%提升至77.7%（Cosmos 3）。
该论文提出将 GUI 世界模型的预测目标从全屏像素重建转移到潜空间中的动作诱导未来信息，通过共享的多模态模型表示配合动作头与转移头，并引入动作感知对比目标来缓解身份捷径问题，相比像素空间世界模型最高实现 31.9% 和 40.6% 的成功率相对提升，并将推理延迟降低最多 98.9%。
RSI-Anything 提出一个基于 JEPA-Anything 的领域通用递归自我改进框架，利用预测性世界模型指导行动与学习数据选择，在代码修复、GUI 任务、实验室规划和反应优化等多个领域均取得显著性能提升。
一篇题为"通过视频学习原生动作先验用于世界动作模型"的新论文发布在 Hugging Face Papers 上，探讨了如何从视频中直接学习用于世界动作模型的动作先验。
Einsia 发布《World Models' Last Exam in Physics》，对 8 个最先进的视频世界模型进行物理一致性评测，最高分仅 57.76/100，Seedance 2.5 表现最佳，凸显物理一致性仍是当前世界模型的最大难题。
一位从业者报告称，Nvidia 基于 Cosmos 2.5 构建的 ICML Spotlight 论文 DreamDojo 在预训练、后训练和评估中存在多个严重代码错误，尽管投入了大量算力和 44k 小时的人类数据，其报告的微小改进仍然受到质疑。
论文提出了 Market-1T，一个包含约一万亿条观测数据、以 1 Hz 分辨率记录的美国股票数据集，以及一套严格的评估协议，并对 2008–2025 年不同市场周期下 18 种用于金融表征学习的编码器训练策略进行了大规模研究，为 DINO-WM、V-JEPA 2 和 LeWM 等金融世界模型奠定了基础。
本文提出了面向控制的有向时序表示方法（DTRC），该方法在冻结的 LeWorldModel 特征之上，从离线视觉轨迹中学习有向时序拟度量，并将其作为目标相对进度信号，用于直接的目标条件策略学习，在十个视觉任务中均实现了出色的控制性能。
一篇讨论式的帖子，探讨AI目前如何加速医疗研发，以及它在医学领域的影响最终是否会达到其在编程和数学中已经取得的成就，还是需要LLM之外的突破，比如世界模型甚至革命性的机器人技术。作者本人因自身健康问题而密切关注该领域的进展。
论文提出LGWM，一种无解码器、以动作为条件的世界模型，在隐空间中预测下一屏的表征，以验证GUI跳转并检测被劫持的界面；在RSWT-BENCH基准上，每次决策耗时17毫秒即可达到0.987的AUC，以远低于生成式GUI世界模型的延迟超越了后者。
WorldCast 提出了一种分布式多人世界模型，每个玩家本地运行视频生成器与状态模型，通过交换玩家状态和共享场景状态实现一致、可扩展的实时多人生成，并在 Counter-Strike 2 上验证了其一致性与可扩展性。
Memento 3 让冻结的 LLM 智能体通过自然语言规则簿与代码编译循环，实现基于模型的递归自我改进，在 ARC-AGI-3 上清空全部 25 个公开游戏关卡并达到 100.0 的平均 RHAE。
AgentGarten 是一个框架，将模拟器和游戏引擎与共享的神经渲染器相结合，构建实时交互式环境。智能体在其中通过视觉观察进行学习，并将经验提炼为可继承的策略手册，仅需 4 轮经验便实现了远超传统强化学习的学习效率提升。
提出 ME-World，一种多智能体自我中心世界模型，通过在共享 token 序列中联合去噪多个 ego 流，实现细粒度交互下的跨视角一致性、共享环境一致性与状态更新传播，并引入共享世界一致性指标。