[CV]《Multiplayer Interactive World Models with Representation Autoencoders》A Hu, V Volhejn, A R Rahary, C Mulder… [General Intuition & Kyutai] (2026)

在交互式世界模型领域，高动态多智能体环境的实时模拟是一个悬而未决的难题。过去的方法受困于单智能体视角，将他人视为环境噪声，本质原因是无法在复杂物理碰撞中准确归因多路动作流与状态演变间的因果关系。

本文的核心洞见是：将物理世界的预测空间重新看作预训练语义特征的线性压缩映射。由此，多视角平铺输入与扩散强制训练这一关键操作使智能体间的交互一致性与长程预测稳定性得以在潜空间内解开。

这项工作真正留下的遗产是证明了预训练语义特征对生成式模拟器长程稳定性的决定性作用。它为构建完全由模型驱动的复杂博弈环境打开了新门，但尚未跨过的门槛是超长时序下的全局逻辑对齐与极端分布外行为的鲁棒性。

arxiv.org/abs/2607.05352 机器学习 人工智能 论文 AI创造营