分类： AI 资讯

Hugging Face Papers 收录的论文提出 PrimeSim，一个基于约 3.01 万小时、22 种机器人平台演示训练的动作条件多视角世界模型模拟器，并开源模型权重与训练推理代码。它的看点是把视频生成器改造成能跟随指令、在多相机视角间保持一致、并能长程稳定推演的“机器人模拟器”。

研究团队在 Hugging Face 发布 YANAMI，一个面向“多轮状态化交互”的大规模多模态对话数据集与评测基准，包含 40 万条对话、超过 200 万张图像和 260 万轮对话，用来考察统一多模态模型能否在多轮对话中理解、保持、更新并忠实画出不断变化的对话状态。