SSM+扩散模型，竟造出一种全新的「视频世界模型」

机器之心报道 编辑：Panda 当状态空间模型遇上扩散模型，对世界模型意味着什么？ 在这个 AI 技术与应用大爆发的时代，我们最不缺的就是「热词」，从自回归到扩散模型，从注意力机制到状态空间模型，从思维链到推理模型…… 有时候，其中 一些热词会聚拢一处，为 AI 世界创造出新的可能性。 原因很容易理解： 模型的注意力窗口中已经没有包含原始环境的帧了 。 虽然理论上可以通过更长的上下文窗口来扩展记忆，但这种方法有两大问题： 训练的计算成本会与上下文长度呈二次方增长，使其成本过高； 论文标题：Long-Context State-Space Video World Models 论文地址：https://arxiv.org/pdf/2505.20171 今天我们要介绍的这项研究便是如此，集齐了长上下文、状态空间模型（SSM）、扩散模型、世界模型等「热词」，创造了一种全新的「 视频世界模型 」。该研 究来自斯坦福大学、普林斯顿大学和 Adobe Research，在社交网络上引起了不少关注。 要了解这项研究的贡献，首先需要先界定一下相关概念。在这篇论文中，世界模型（world model）是指用于预测世界状态如何随 ...