LoopWM世界模型长时序稳吗？
传统世界模型长期存在核心痛点：长时序精准模拟需加深模型层数，但会引发参数暴涨、部署成本飙升、误差累积失控等问题，难以兼顾精度、稳定性与落地成本。FaceMind最新提出的LoopWM循环世界模型，首创循环Transformer架构，打破堆参数的固有思路。通过共享参数模块迭代精炼环境潜状态，搭配谱稳定性约束、延迟解码和自适应早停机制，彻底解决长时序推演误差发散问题，实现稳定的长程模拟。该模型新增迭代潜深度全新缩放维度，与参数、数据规模正交，最高可达100倍参数效率。实测1B参数规模下，在ScienceWorld、AlfWorld等任务中，多项指标大幅超越Claude、Gemini等主流模型，补齐了轻量化世界模型的长时序能力短板。这种“少参数、多迭代”的新思路，会成为未来轻量化具身智能、模拟仿真的主流方向吗？
发布于 贵州
1
评论
赞
未登录
友善发言
评论
加载中
