热点事件历史事件
传统世界模型难以复现元胞自动机动力学
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
2026年9月30日，Shaoyang Guo在arXiv发表研究，考察传统世界模型学习元胞自动机世界动力学的能力。研究称，基于Transformer或卷积网络的自回归、扩散世界模型，虽然通常能够预测大多数像素，但难以完整复现元胞自动机的演化过程。其中，CNN模型预测了96.3%的细胞，却仅完成18.9%的rollout；联合扩散模型则未完成任何rollout。该研究由此指出，这类模型在像素预测与持续准确模拟底层动力学之间存在明显差距。
AI 根据报道生成 · 1 天前更新
最新进展9月30日 20:24
研究显示CNN仅完成18.9% rollout，联合扩散模型未完成任何 rollout。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · 多模态、视频与世界模型精选为何传统世界模型难以学习元胞自动机？
Shaoyang Guo 的研究发现，基于 Transformer 或卷积网络的自回归、扩散世界模型往往能预测多数像素，却难以完整复现元胞自动机的世界动力学。CNN 预测96.3%的细胞但仅完成18.9%的 rollout，联合扩散模型则未完成任何 rollout。
本事件热度走势
当前热度 3·可比范围峰值 3（10月2日 17:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。