Hy-Nomas 交互式世界生成模型论文发布

论文作者发布 Hy-Nomas 视频世界模型并开源模型权重、代码与基准，称同时提供一套轻量适配流程，以支持交互式世界生成的可复现研究。 据论文介绍，Hy-Nomas 采用 8B 扩散骨干，支持多轮自由文本指令与连续相机控制，并在生成新片段时保留交互历史。其设计将结构化视频字幕与动作感知因果注意力对齐：描述性上下文可跨片段访问，动作指令则被限制在各自的时间窗口内；视觉语言 Prompt Enhancer 负责把用户请求和多模态交互历史转成下一片段的结构化条件。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。