跳到内容
九天共学
学习资料
课程笔记 · 13 页

从世界模型到世界智能体 · 斯坦福课程笔记

看视频
配套视频 · 心晴九天

从世界模型到世界智能体 · 斯坦福讲座

在小红书打开

如果 App 打开了首页,复制搜索词后在小红书搜索。

也可以长按视频名称复制。
下载 PDF
12 / 13

第 12 页 · 文字版

心晴九天 · 课程笔记 从世界模型到世界智能体

PART 6

六 还没解决的问题

原课幻灯片:世界模型的开放挑战。 1. 长上下文:永远不够长。要记住 3D 结构、做过的事,也是外推动力学、上下文学习的基础。

2. 规划与推理:怎么和视觉语言模型结合最好?推理放在视觉语言模型里,还是放在扩散模型里?

3. 效率:少步蒸馏(30–50 步压到 1–2 步)、只关注上下文里真正重要的 token、量化、剪枝、模型架 构。

4. 表示学习:现在的 VAE 不够好,还没有可扩展的、专为生成任务设计的表示学习方法。

5. Agent 化的世界模型:用 GPT-6 这类会用工具、能闭环的 Agent 当检验员,或放进迭代循环。

6. 世界动作模型:怎样最好地同时生成动作和观察?推理时是否一定需要观察?

(44:40–46:40)

问答精选 时间怎么表示?默认用帧序号当时间,但如果要独立控制场景的全局时间和镜头,就不够了。归根结底 是数据问题:需要大量各个变量独立变化的训练样本。 47:30–48:40

模型怎么知道自己错了?闭环里只想一小段,执行后用检验员对照目标;也可以先模拟多个未来,再挑 一个。 49:00–50:00

开源基础模型够用吗?预训练极难:架构、海量数据、标注、巨量算力缺一不可。一个 140 亿参数的扩散 Transformer,怎么蒸馏也很难跑到实时,延迟和成本都高。开源模型进步很大,但公司越来越不愿意开 源,现有模型还不够好。 50:00–52:00

斯坦福 CS292 / EE292R · Gordon Wetzstein · 2026.09.30 12 / 13

文字版便于检索与复制,图表和排版请切回「图文」。

答疑由心晴确认后回复
资料说明与出处

2026 年 9 月 30 日讲座的个人学习笔记,保留原课署名与整理边界。

心晴九天整理 · 原资料版本:2026-09-30

配套讲解:从世界模型到世界智能体 · 斯坦福讲座
配套视频 · 心晴九天

从世界模型到世界智能体 · 斯坦福讲座

在小红书打开

如果 App 打开了首页,复制搜索词后在小红书搜索。

也可以长按视频名称复制。

保留原作者署名、来源与原文件版本。本次仅整理阅读入口,未把旧资料的数字、产品或政策状态重新核验为当前事实。

配套练习与阅读提示
  • 按目录阅读这份原版资料
  • 结合配套笔记理解图示、例子和使用边界

选一个与你手头任务有关的段落,先写自己的判断;资料中的提示词仅供本人决定是否使用。

使用统计:关闭

帮助心晴了解哪些内容有用。默认关闭;不记录问题正文、私人笔记、手机号或聊天内容。

允许关联后,登录账号的页面与操作可由运营查看。已启用浏览器“不跟踪”时不采集。明细最多保留 90 天,后台读取或每日首次采集时清理。