微软研究院提出两阶段离散扩散世界模型,推理提速79倍
热点事件持续更新
微软研究院提出两阶段离散扩散世界模型,推理提速79倍
1 篇报道1 个报道来源46 分钟前更新
先了解这件事
AI 综述
微软研究团队(Katja Hofmann 等)发布 arXiv 论文《Towards Data-Efficient, Real-Time World Models》,用两阶段离散扩散方法取代 next-token prediction,并引入轻量级 refinement transformer 做迭代式 masked 预测,称在自回归世界模型基础上实现 79 倍推理提速,仅有适度的质量折损。 论文还称,该模型基于此前可生成数分钟一致、复杂序列的自回归世界模型(Kanervisto et al., 2025),仅需约一天(28 小时)游戏数据即可训练出复现高质量、一致游戏画面生成的模型。
AI 根据报道生成 · 16 分钟前更新
最新进展11月18日 13:00
迈向数据高效、实时的世界模型报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AI迈向数据高效、实时的世界模型
一篇 arXiv 论文提出用两阶段离散扩散方法取代 next-token prediction,并引入轻量级 refinement transformer 进行迭代式 masked 预测。在自回归世界模型基础上实现 79x 推理提速,仅有适度的质量折损;模型仅需约一天(28 小时)游戏数据即可复现高质量、一致的游戏画面生成。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。