首個多人世界模型：即時生成 Rocket League 四人比賽的 50 億參數潛在擴散網路

背景與挑戰

傳統的世界模型大多針對單一玩家，將其他參與者視為環境的一部份，難以在多人互動且物理關係緊密的情境下保持一致性。

技術創新

研究團隊開發的模型以多位玩家的動作序列作為條件，透過 5 億參數的潛在擴散網路，學習將場景變化正確歸因於相應的玩家。模型以 10,000 小時的公開機器人比賽資料訓練，並在單顆 Nvidia B200 GPU 上即時產生四人對戰畫面，達到每秒 20 幀。

效能與穩定性

雖然訓練僅使用短片段，模型的 rollout 能夠穩定延伸至五分鐘以上，實測可持續數小時而不出現崩潰現象。研究還系統性分析了影片編碼、生成目標與多人條件化方案對結果的影響。

評估與資源釋出

為驗證模型的物理理解，研究設計了針對性評估，超越僅看視覺品質的測試。團隊同時公開了資料集、完整的訓練與推論程式碼，以及線上即時示範，供後續研究使用。

延伸閱讀

• LLM 助力 Windows 漏洞分析：Symbolicate‑Enrich‑Sample 管線概述與實驗結果
• 利用基因演算法對抗 LLM 逆向分析：GhidraMCP 安全漏洞新探
• 「跨表面注入攻擊」：工具式 LLM 代理的雙通道安全盲點與適應式防禦策略

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。