世界模型

PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models

PhysicsMind: 为基础多模态大语言模型和世界模型中的物理推理和预测进行仿真与现实力学基准测试

Chak-Wing Mak, Guanyu Zhu, Boyi Zhang, Hongji Li, Xiaowei Chi, Kevin Zhang, Yichen Wu, Yangfan He, Chun-Kai Fan, Wentao Lu, Kuangzhi Ge, Xinyu Fang, Hongyang He, Kuan Lu, Tianxiang Xu, Li Zhang, Yongxin Ni, Youhua Li, Shanghang Zhang

机构 * Peking University（北京大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Science and Technology of China（中国科学技术大学） ； Cornell University（康奈尔大学） ； Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） 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 PhysicsMind是一个结合现实和仿真环境的统一基准，用于评估基础多模态大语言模型和世界模型在物理推理和预测中的能力。

From Generative Engines to Actionable Simulators: The Imperative of Physical Grounding in World Models

从生成引擎到可操作模拟器：世界模型中物理基础的必要性

Zhikang Chen, Tingting Zhu

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 本文提出将世界模型重新定义为可操作模拟器，强调因果结构和约束意识，以提升医疗决策中的反事实推理和长期预见能力。

A Scalable Predictive Modelling Approach to Identifying Duplicate Adverse Event Reports for Drugs and Vaccines

一种可扩展的预测建模方法用于识别药物和疫苗的重复不良事件报告

Jim W. Barrett, Nils Erlanson, Joana Félix China, G. Niklas Norén

专题命中 通用世界模型 ：predictive model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种基于预测建模的重复不良事件报告识别方法，通过优化特征和国家特定数据，提高了药物和疫苗的检测精度和召回率。

Comments 26 pages, 11 figures

Data-driven tool wear prediction in milling, based on a process-integrated single-sensor approach

基于过程集成单传感器方法的数据驱动刀具磨损预测

Eric Hirsch, Christian Friedrich

机构 * Institute of Applied Research, Karlsruhe University of Applied Sciences（应用研究学院，卡尔斯鲁厄应用科学大学） 纠错

专题命中 通用世界模型 ：分类 cs.LG、cs.RO；predictive model(abstract)；predictive models(abstract)

AI总结 本研究提出基于单传感器的数据驱动方法，通过迁移学习实现低成本刀具磨损预测，ConvNeXt模型在极小数据集下达到99.1%的准确率。

Comments This work is a preprint and has been submitted for possible publication,14 pages, 12 figures

StoxLSTM: A Stochastic Extended Long Short-Term Memory Network for Time Series Forecasting

StoxLSTM：一种用于时间序列预测的随机扩展长短期记忆网络

Zihao Wang, Yunjie Li, Lingmin Zan, Zheng Gong, Mengtao Zhu

机构 * School of Information and Electronics（信息与电子学院） ； Beijing Institute of Technology（北京理工大学） ； Laboratory of Electromagnetic Space Cognition and Intelligent Control（电磁空间认知与智能控制实验室） ； National Key Laboratory of Science and Technology on Space-Born Intelligent Information Processing（空间智能信息处理国家级重点实验室） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.LG

AI总结 StoxLSTM通过引入随机变量改进xLSTM，有效建模时间序列的深层潜在动态和不确定性，提升预测性能。

Cosmos Policy: Fine-Tuning Video Models for Visuomotor Control and Planning

Cosmos Policy: 为视觉运动控制和规划微调视频模型

Moo Jin Kim, Yihuai Gao, Tsung-Yi Lin, Yen-Chen Lin, Yunhao Ge, Grace Lam, Percy Liang, Shuran Song, Ming-Yu Liu, Chelsea Finn, Jinwei Gu

机构 * NVIDIA ； Stanford University（斯坦福大学） 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.RO

AI总结 Cosmos Policy通过单阶段后训练将预训练视频模型转化为高效机器人策略，实现视觉运动控制与规划的先进性能。