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
5 / 13

第 5 页 · 文字版

心晴九天 · 课程笔记 从世界模型到世界智能体

PART 2

二 怎么造出来 今天的世界模型大多建立在扩散模型(或其变体 flow matching)上,不是大语言模型那种"猜下一个 token"的自回归模型。 07:00

原课幻灯片:前向扩散,把噪声逐步加到图像上;模型学习反过来去噪。

五个关键环节 1. 从噪声到数据:直接从真实图像分布采样很难,于是从容易采样的高斯噪声出发,学习一条从噪声通 往数据的轨迹。 08:00

2. 训练方式:给干净图像加噪(常用噪声和图像之间的线性插值),让网络预测"速度",也就是沿轨迹 变化的方向,损失函数是简单的 L2。 10:30–11:30

3. 潜空间:高分辨率下不直接处理像素,先用 VAE 压缩到潜空间,扩散过程在潜空间里进行。 11:50

4. 网络结构:大规模生成模型普遍使用 Transformer。文字描述经文本编码器后,通过交叉注意力注入。 12:30–13:30 5. 数据规模:学术界常用 ImageNet,一百多万张;商用的顶级图像生成模型,用的是几十亿张精心筛选 的图像。 09:00–10:00

斯坦福 CS292 / EE292R · Gordon Wetzstein · 2026.09.30 5 / 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。