102页综述以世界建模统一视频模型研究

一篇 102 页综述论文在 arXiv 发布，提出以“世界建模”作为统一视角梳理视频基础模型研究：把观察到的视频看作潜在时序世界的部分、有损、按时间排序的投影。 该综述围绕四种互补操作组织文献：从视频推断世界属性的 reading、按指定或学习到的世界条件合成视频的 writing、通过共通建模机制整合理解与生成的 sharing，以及在动作与演化观察下预测并更新世界状态的 interacting。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。