世界模型

The brain-AI convergence: Predictive and generative world models for general-purpose computation

脑与人工智能的融合：面向通用计算的预测性和生成性世界模型

Shogo Ohmae, Keiko Ohmae

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 本文探讨脑与AI在世界模型计算中的共同机制，揭示预测性与生成性模型如何实现通用计算及类人智能。

Comments 22 pages, 4 figures. Related to our earlier preprint "The brain versus AI" (arXiv:2411.16075) but a distinct article. The earlier work surveyed broad brain-AI parallels; here we focus on world-model-based computation and convergent evolution between the brain and AI, especially large language models

Vehicle Dynamics Embedded World Models for Autonomous Driving

用于自动驾驶的车辆动力学嵌入世界模型

Huiqian Li, Wei Pan, Haodong Zhang, Jin Huang, Zhihua Zhong

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） ； Tsinghua University, Chinese Academy of Engineering（清华大学、中国工程院） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 本文提出VDD方法，通过分离车辆动力学与环境动力学建模，提升自动驾驶中对车辆参数变化的鲁棒性。

Learning Massively Multitask World Models for Continuous Control

学习大规模多任务世界模型用于连续控制

Nicklas Hansen, Hao Su, Xiaolong Wang

机构 * University of California San Diego（加州大学圣地亚哥分校） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title)；world model(title,abstract)；world models(title)

AI总结 Newt通过大规模预训练和在线交互，实现智能体在数百个任务上的多任务学习，提升连续控制的效率和适应性。

Comments Webpage: https://www.nicklashansen.com/NewtWM

LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences

LiDARCrafter：从LiDAR序列动态构建4D世界模型

Ao Liang, Youquan Liu, Yu Yang, Dongyue Lu, Linfeng Li, Lingdong Kong, Huaici Zhao, Wei Tsang Ooi

机构 * WorldBench Team（WorldBench团队） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 LiDARCrafter通过自然语言输入生成和编辑4D LiDAR数据，实现高保真度、可控性和时间一致性，为自动驾驶数据增强和模拟提供新方法。

Comments AAAI 2026 Oral Presentation; 38 pages, 18 figures, 12 tables; Project Page at https://lidarcrafter.github.io

IC-World: In-Context Generation for Shared World Modeling

IC-World：基于上下文的共享世界建模生成

Fan Wu, Jiacheng Wei, Ruibo Li, Yi Xu, Junyou Li, Deheng Ye, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； Goertek Alpha Labs（歌尔声学实验室） ； Tencent（腾讯） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 IC-World通过激活大视频模型的上下文生成能力，实现了多视角共享世界建模，通过强化学习和奖励模型提升生成视频的几何和运动一致性。

Comments codes:https://github.com/wufan-cse/IC-World

STRIDE: A Systematic Framework for Selecting AI Modalities -- Agentic AI, AI Assistants, or LLM Calls

STRIDE：一种选择AI模态的系统框架——代理AI、AI助手或LLM调用

Shubhi Asthana, Bing Zhang, Chad DeLuca, Ruchi Mahindru, Hima Patel

机构 * IBM Research – Almaden（IBM阿尔马登研究实验室） ； IBM Research – Yorktown（IBM约克镇研究实验室） ； IBM Research – India（IBM印度研究实验室） 纠错

专题命中 通用世界模型 ：world model(comments)；world models(comments)；分类 cs.AI、cs.LG；world model(comments)

AI总结 STRIDE提供了一种系统框架，帮助选择AI模态，通过评估任务动态性决定是否使用自主代理，提升效率并降低成本。

Comments 10 pages, 4 Figures, 5 Tables Paper presented at NeurIPS 2025 LAW workshop: Bridging Language, Agent, and World Models

Beyond Playtesting: A Generative Multi-Agent Simulation System for Massively Multiplayer Online Games

超越试玩：一种生成式多智能体仿真系统用于大规模多人在线游戏

Ran Zhang, Kun Ouyang, Tiancheng Ma, Yida Yang, Dong Fang

机构 * independent researcher（独立研究者） 纠错

专题命中 通用世界模型 ：environment model(abstract)；分类 cs.AI

AI总结 本文提出了一种基于生成式多智能体仿真的系统，利用大型语言模型优化大规模多人在线游戏的数值设计，提升玩家体验并提高优化效率。

Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation

Nav-$R^2$双关系推理用于通用开放词汇目标导航

Wentao Xiang, Haokang Zhang, Tianhang Yang, Zedong Chu, Ruihang Chu, Shichao Xie, Yujian Yuan, Jian Sun, Zhining Gu, Junjie Wang, Xiaolong Wu, Mu Xu, Yujiu Yang

机构 * Tsinghua University（清华大学） ； Amap, Alibaba Group（阿里巴巴集团的阿里的地图） 纠错

专题命中 具身与机器人 ：environment model(abstract)；分类 cs.CV

AI总结 Nav-R2通过双关系推理和相似性感知记忆，在开放词汇环境下实现高效目标导航，提升未见对象定位性能。

medDreamer: Model-Based Reinforcement Learning with Latent Imagination on Complex EHRs for Clinical Decision Support

medDreamer：基于复杂电子病历的潜在想象的模型驱动强化学习用于临床决策支持

Qianyi Xu, Gousia Habib, Feng Wu, Dilruk Perera, Mengling Feng

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 模型式强化学习 ：model-based reinforcement learning(title,abstract)；world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG

AI总结 medDreamer通过结合潜在想象和自适应特征集成模块，实现基于复杂电子病历的模型驱动强化学习，以提升个性化治疗推荐的性能。

Adversarial Diffusion for Robust Reinforcement Learning

对抗扩散用于鲁棒强化学习

Daniele Foffano, Alessio Russo, Alexandre Proutiere

机构 * Division of Decision and Control Systems KTH, Royal Institute of Technology（决策与控制系统系 瑞典皇家理工学院） ； Faculty of Computing and Data Sciences（计算与数据科学学院） 纠错

专题命中 模型式强化学习 ：model-based RL(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出AD-RRL，通过对抗扩散方法提升强化学习在环境动态不确定性下的鲁棒性和性能。