Adrien Ramanana Rahary, Yutong Bai, Nicolas Dufour, Patrick Pérez, David Picard · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30129 · open-access PDF
Sie dienen als Simulatoren, in denen Agenten trainieren, planen oder ausgewertet werden, und dass Menschen interaktiv steuern können. Sie generieren im latenten Raum eines Video-Auto-Coders, dessen Komprimierung ihre Kosten pro Rahmen setzt und wie lange jede Aktion wartet, um wirksam zu werden. Dennoch verwenden Weltmodelle oft die Auto-Coders von Text-zu-Video-Generatoren, die für die Offline-Generation gebaut wurden, ohne dass Agenten warten und ohne ihre Trainingsdaten und Code nicht bei einer anderen Komprimierung neu trainierbar sind.
Machine translation (Meta M2M100); the English original follows.
Video world models predict future frames from past frames and actions. They serve as simulators in which agents train, plan or are evaluated, and that humans can control interactively. They generate in the latent space of a video autoencoder, whose compression sets their cost per frame and how long each action waits to take effect. Yet world models often reuse the autoencoders of text-to-video generators, built for offline generation with no agent waiting and, without their training data and code, not retrainable at another compression. We therefore ask how, where and how much a world model sh
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30129, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange