把长期情景记忆编译成语言-视觉计划，用固定上下文执行长时程记忆依赖操作

用世界模型替代昂贵的沙箱执行训练研究智能体，在线去偏去噪，训练加速3-4倍且性能更优。

用可执行程序维护显式世界状态，把视频模型降级为纯粹的生成式渲染器

用视觉校准片段教会动作条件世界模型零样本适应未见环境

加希腊语容易，证明有效难：五类常用指标全部失灵，需以构造性对照与多种子复现重建可信结论。

把浏览器当作网页代码的世界模型，用可执行验证证书取代VLM自我评判来筛选训练监督

将物理世界表示为可执行代码，用智能体闭环发现世界并为VLM提供可扩展物理监督

把游戏开发变成“引擎检查+人类验收”的可验证奖励环境，驱动世界模型自我改进

视频模型能生成合理的单条未来，却难以复现同一条件下可能未来的正确分布。

编程智能体用代码维护世界状态，代理视频驱动视频模型渲染高保真开放世界

以跨镜头音视频记忆、6-DoF轨迹控制与自展开蒸馏训练，把音视频生成扩展为持久故事与可交互世界

三系统架构+3.7万小时异构数据一阶段预训练，协同理解、预测与行动的具身基础模型。

构建G2WEngine数据引擎与免掩码GameCleaner，剥离游戏HUD提升世界模型数据质量

以相机意图为统一接口，边导航边联合生成720p视频、环境音与语音的可进入世界模型

以传统仿真器八项能力为标尺审计200篇文献，指出状态反馈与物理引擎是结构性缺口

响应耦合分区+探针残差重构，22–26%密度下免训练稀疏注意力加速视频生成1.48–2.61倍

提出六层级人类情境分类法，系统梳理基础模型时代以人为中心智能的方法、数据与评测。

以像素级动作流为共享接口，统一跨本体世界建模、开环策略评估与逆向机器人控制

高层子任务决策按需触发世界模型束搜索，用测试时算力换长程操作成功率。

分层智能体评测流水线把世界模型评分变成可审计的证据树，判断与人类高度一致