StateCraft：抽象状态推理增强视频世界模型

Lorenzo Venturoli 等作者在 arXiv 发布论文，提出 StateCraft 架构：把可持久更新的抽象状态与视觉状态解耦，用语言模型搭配视频扩散模型演化动态世界。作者称该架构在生成质量、记忆和可控性基准上超过 SOTA 基线，并在长轨迹中保持高自一致性与生成质量。 配套地，作者开发了一条无需人工或智能体监督、可规模化产出的密集标注轨迹数据管线，以及衡量生成质量、记忆和可控性的基准。由于抽象状态是显式的，作者称其可被直接编辑，生成会跟随对数据中从未观测过的状态的编辑；概念验证的 3D 实验显示，该方法对未观测房间光照变化的动作同样适用。

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。