世界模型

Probabilistic Dreaming for World Models

基于概率的梦境学习用于世界模型

Gavin Wong

机构 * Yale University（耶鲁大学） 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 本文提出基于概率的梦境学习方法，通过并行探索潜在状态和保持不同假设，提升世界模型的学习效率和稳定性。

Comments Presented at ICLR 2026: 2nd Workshop on World Models

DDP-WM: Disentangled Dynamics Prediction for Efficient World Models

DDP-WM：用于高效世界模型的解耦动态预测

Shicheng Yin, Kaixuan Yin, Weixing Chen, Yang Liu, Guanbin Li, Liang Lin

机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（计算机科学与工程学院，中山大学，广州，中国） ； X-Era AI Lab（X-Era人工智能实验室） 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 DDP-WM通过解耦动态预测原理，提升世界模型的效率与性能，适用于导航、桌面操作及复杂交互任务。

Comments Efficient and high-fidelity world model. Code is available at https://hcplab-sysu.github.io/DDP-WM

From Word to World: Can Large Language Models be Implicit Text-based World Models?

从词到世界：大型语言模型能否作为隐式的基于文本的世界模型？

Yixia Li, Hongru Wang, Jiahao Qiu, Zhenfei Yin, Dongdong Zhang, Cheng Qian, Zeping Li, Pony Ma, Guanhua Chen, Heng Ji

机构 * Southern University of Science and Technology（南方科技大学） ； Microsoft Research（微软研究院） ； University of Edinburgh（爱丁堡大学） ； Princeton University（普林斯顿大学） ； Oxford University（牛津大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Fudan University（复旦大学） ； Mind Lab 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 本文研究了大型语言模型在基于文本的环境中作为世界模型的可行性，通过三个评估层面验证了其在提升智能体性能方面的有效性，并明确了环境复杂性和行为覆盖对世界建模效果的影响。

Latent Particle World Models: Self-supervised Object-centric Stochastic Dynamics Modeling

潜在粒子世界模型：自监督的以对象为中心的随机动态建模

Tal Daniel, Carl Qi, Dan Haramati, Amir Zadeh, Chuan Li, Aviv Tamar, Deepak Pathak, David Held

机构 * Carnegie Mellon University（卡内基梅隆大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Brown University（布朗大学） ； Lambda ； Technion（技术学院） 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 LPWM通过自监督学习实现现实世界多对象数据的随机动态建模，并在决策制定中展现卓越性能。

Comments ICLR 2026 Oral. Project webpage: https://taldatech.github.io/lpwm-web

Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model

8个标记的规划：一种用于潜在世界模型的紧凑离散标记器

Dongwon Kim, Gawon Seo, Jinsung Lee, Minsu Cho, Suha Kwak

机构 * KAIST（韩国科学技术院） ； POSTECH（POSTECH大学） ； RLWRLD 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 本文提出CompACT，一种将观测压缩为8个标记的离散标记器，显著降低计算成本并提升规划效率，为潜在世界模型的实际应用提供可行方案。

Comments CVPR 2026

Generative Models in Decision Making: A Survey

生成模型在决策中的应用：综述

Xinyu Shao, Jianping Zhang, Haozhi Wang, Leo Maxime Brunswic, Kaiwen Zhou, Jiqian Dong, Kaiyang Guo, Zhitang Chen, Jun Wang, Jianye Hao, Xiu Li, Yinchuan Li

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

AI总结 本文综述提出了一种基于概率框架的控制作为推理的系统分类，将生成决策置于其中，通过变分因子分解轨迹后验，概念化了四个功能角色，并探讨了生成模型在高风险领域的应用及挑战。

Comments Project page:https://github.com/xyshao23/Awesome-Generative-Models-for-Decision-Making-Taxonomy