待验证50% 置信事实精确时间

LaLa-World 的未来预测器输出的不是未来图像，而是未来的潜在状态，因此训练和推理成本显著低于像素级视频生成模型。

1

来源数

50%

置信度

长期有效

时效性

2026/10/21

首次发现

来源

LaLa-World：用自然语言动作扩展潜在世界模型

rss2026/10/20

涉及实体

LaLa-Worldmodel

相关事实

待验证理想的世界模型在给定当前状态和动作后预测下一个状态，这种下一帧预测能力与视频生成有相通之处66% 相似待验证研究界普遍认为当前的扩散模型或自回归视频模型尚未真正建立起可操纵的内部世界表征，而是更接近"高维插值"64% 相似待验证LaLa-World 将未来预测器建立在语言模型之上，使其能解析语言条件来预测未来潜在状态。64% 相似待验证主流LLM的预训练采用下一个token预测作为目标，优化的是语言建模损失而非事实准确性63% 相似待验证预训练好的 LaLa-World 可作为初始化用于 LaLa-Policy，后者是一个联合预测动作和未来视觉表征的策略模型。61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1079262

API

curl https://kongchang.com/api/v1/knowledge/claims/1079262

MCP

get_claim(id=1079262)