分类： AI 资讯

AffordanceWAM：用可供性对齐人类视频与机器人动作的世界模型

Hugging Face Papers 公开的论文 AffordanceWAM 提出一种可供性感知的世界-动作联合模型，尝试用人类第一视角视频补足机器人动作数据稀缺的问题。按摘要所述，其价值在于把“哪里可以交互”变成连接视觉预测与动作生成的共享接口。

Hugging Face Papers 收录的一篇论文提出“集体经验学习”（CEL）框架，让部署中的机器人共享执行经验来改进同一策略，无需人类遥操作纠正即可提升可靠性。这为机器人规模化落地提供了一条不依赖持续人工介入的学习路径。

arXiv 上一项新研究测试了 LLM 智能体在程序化汉字书写任务中能否借“持久记忆”提升表现，结果显示记忆积累带来小幅增益，但记忆的设计方式会影响经验在何时、何处变得有用。

arXiv 上一项新研究提出 Software World 仿真框架，让多个 AI 智能体在相互依赖的 Python 包生态中自主找任务、协作维护代码，最佳模型在隐藏下游包上带来最高 31% 的效率提升。

2026 年 10 月，Hugging Face Papers 收录的论文摘要显示，EgoXperience 提出从第一视角视频中联合重建相机、场景、手和物体的完整范式，并配套 6M 标注数据集与新基准，其 EgoX 模型在摘要报告的评测中误差显著降低。

arXiv 上一项新研究把文生图评测改写为“约束满足”问题，提出逻辑形式化框架与 LogicVal 方法，并报告现有模型在复杂多物体条件约束下明显失准。

Hugging Face Papers 收录的论文提出 HOLI-WORLD，一套从第一人称人类经验采集、自动构建世界记录到模型训练与独立评测的完整体系，并用约 100 个自采场景生成的约 8 万条 QA 训练出 HOLIWORLD-VL-4B。

2026 年 10 月 19 日发表于 Hugging Face Papers 的论文提出 InfiniDream，用视觉语言模型（VLM）驱动程序化生成，试图做出可编辑、可批量复现的大规模逼真 3D 世界，而不是让模型直接拼出简单静态网格。

arXiv 2026 年 10 月 20 日发布的一篇论文提出一种超出文本提示的人机共创范式：先让模型扩大探索范围，再从创作者的选择中学习审美偏好，把"说不清的艺术意图"逐步显性化并反馈进生成过程。

一篇新论文提出用参数高效微调（PEFT）把最多 104B 参数的预训练多模态大模型适配到脑编码任务，其方法 BrainLoRA 在 Algonauts 2025 挑战赛上取得当时最优的已发表成绩，值得关注的是它大大降低了用神经数据训练大模型的门槛。