世界模型

dWorldEval: Scalable Robotic Policy Evaluation via Discrete Diffusion World Model

dWorldEval: 通过离散扩散世界模型实现可扩展的机器人策略评估

Yaxuan Li, Zhongyi Zhou, Yefei Chen, Yaokai Xue, Yichen Zhu

机构 * University of Toronto（多伦多大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；分类 cs.RO

AI总结 本文提出dWorldEval，利用离散扩散世界模型统一处理多模态信息，通过单个Transformer网络实现去噪，并引入稀疏关键帧记忆和进度令牌，提升机器人策略评估的可扩展性。

LLMPhy: Parameter-Identifiable Physical Reasoning Combining Large Language Models and Physics Engines

LLMPhy: 结合大语言模型和物理引擎的参数可识别物理推理

Anoop Cherian, Radu Corcodel, Siddarth Jain, Diego Romeres

机构 * Mitsubishi Electric Research Labs (MERL)（三菱电机研究实验室） 纠错

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 LLMPhy通过整合大语言模型与物理引擎，解决复杂物理推理中参数识别问题，提出数字孪生构建方法，引入新数据集验证性能，实现更准确的参数恢复与稳定收敛。

Comments Accepted at AISTATS 2026

Beyond Patient Invariance: Learning Cardiac Dynamics via Action-Conditioned JEPAs

超越患者不变性：通过动作条件化JEPAs学习心脏动力学

Jose Geraldo Fernandes, Luiz Facury, Pedro Robles Dutenhefner, Wagner Meira

机构 * Department of Computer Science（计算机科学系） ； Universidade Federal de Minas Gerais（巴西联邦大学矿务格里斯矿大学） ； Belo Horizonte, Brazil（巴西伯洛霍内） 纠错

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 本文提出动作条件化世界模型，通过学习疾病进展动力学，区分稳定解剖特征与动态病理力量，提升心电图关键分诊任务的性能。

Universal Network Generation Model via Exponential Probabilistic Growth and Vari-linear Preferential Attachment

通过指数概率增长与变线性优先附着生成通用网络模型

Jinhu Ren, Linyuan Lü

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

AI总结 本文提出变线性网络生成模型，结合指数概率增长与变线性优先附着，克服传统方法在低度区域和普遍性上的不足，实现更全面的网络描述和更高性能。