5 個你應該了解的先進世界模型： ▪️ 由 @Stanford NeuroAI Lab 提出的概率結構整合 (PSI) – 使世界模型像 LLM 一樣自我改進和可提示。但這種 "語言" 是像流、深度和段落這樣的結構。 ▪️ 代碼世界模型 (CWM)，@AIatMeta – 捕捉代碼在執行時的行為以及它如何影響系統，將代碼的實用、可執行方面納入模型的推理過程。 ▪️ Dreamer 4，@GoogleDeepMind – 第一個在 "Minecraft 中獲得鑽石" 任務中零在線環境互動的強化學習系統。 ▪️ 來自 @GoogleDeepMind 的 Genie 3 – 實時從文本提示創建互動 3D 世界，24 FPS，持續幾分鐘。 ▪️ 由 @nvidia 提出的 Cosmos 世界基礎模型 2.5 – 一套生成世界模型，用於模擬機器人和自動駕駛車輛的物理環境，而無需從頭開始。

微型遞歸模型（TRM）是一種簡單而有效的方法，基於這個理念：用更少的資源做更多的事情。 它僅使用一個小型的2層網絡，遞歸地改善自己的答案。 僅用700萬個參數，TRM創下了新紀錄，超越了10,000倍更大的LLM： - 數獨極限：55% → 87% - 迷宮困難：75% → 85% - ARC-AGI-1：40% → 45% - ARC-AGI-2：5% → 8% 這是它的工作原理：

RLAD（抽象與推理強化學習）通過 RL 使用 2 玩家設置訓練模型： ▪️ 抽象生成器 – 提出簡短的自然語言“推理提示”（抽象），總結關鍵事實和策略。 ▪️ 解決方案生成器 – 使用它們來解決問題。 這種方法將“如何推理”與“如何回答”分開，實現了約 44% 的改進，相較於標準的長鏈推理方法。 這是它的運作方式：