ByteDance（字节跳动）

ActWorld: From Explorable to Interactive World Model via Action-Aware Memory

ActWorld: 从可探索到可交互的世界模型——基于动作感知记忆

Zhexiao Xiong, Yizhi Song, Hao Kang, Qing Yan, Liming Jiang, Jenson Yang, Zhoujie Fu, Stathi Fotiadis, Angtian Wang, Zichuan Liu, Bo Liu, Yiding Yang, Xin Lu, Nathan Jacobs

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Intelligent Creation, ByteDance（字节跳动智能创作） 纠错

AI总结 提出ActWorld，通过构建10万交互视频数据集和分层动作感知记忆机制，在块自回归框架中扩展导航模型以支持对象交互，解决数据稀缺和记忆瓶颈问题。

Comments Project page: https://interactwm.github.io/ActWorld

OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation

OPD-Evolver：通过在线策略蒸馏培养整体智能体进化器

Guibin Zhang, Xun Xu, Yanwei Yue, Zikun Su, Wangchunshu Zhou, Xiaobin Hu, Shuicheng Yan

机构 * LV-NUS Lab（林文实验室） ； FDU（福建大学） ； PKU（北京大学） ； Bytedance Inc.（字节跳动公司） 纠错

AI总结 提出OPD-Evolver框架，通过快慢双循环和在线策略自蒸馏，使智能体学会选择、使用、编写和维护经验，在多个基准上超越现有方法，并让小模型挑战大模型。

DeMix: Debugging Training Data with Mixed Data Error Types by Investigating Influence Vectors

DeMix: 通过影响向量调试包含混合错误类型的训练数据

Jiale Deng, Yanyan Shen, Xiaogang Shi, Junjun Chai

机构 * Shanghai Jiao Tong University（上海交通大学） ； ByteDance Inc.（字节跳动） ； Tiktok 纠错

AI总结 提出DeMix框架，利用影响向量捕捉不同错误类型对模型行为的独特模式，将数据调试转化为多标签分类问题，并引入基于干预的学习策略，在11个任务上显著提升调试F1分数和修复后模型性能。