非羊 整理自 凹非寺 量子位 | 公众号 QbitAI 然而，繁荣的背后是概念的混战：世界模型究竟是什么？是强化学习里用来训练Agent的环境模拟器？是看过所有YouTube视频的预测模型？ 还是一个能生成无限3D资产的图形引擎？ 近日，一篇题为 《From Masks to Worlds: A Hitchhiker's Guide to World Models》 的论文在arXiv上引发关注。来自 MeissonFlow Research、Georgia Tech、UCLA和UC Merced 的联合研究团队提出了一份通往AGI的"建造指南"。 与罗列数百篇论文的传统综述不同，作者团队在文中专注于如何构建真正的世界模型，作者团队指出：正如LeCun所言，通往真正世界模型 （World Model） 的道路可能并非自回归，而是一条由"掩码 （Masking） "铺就的窄路。 从BERT到MAE/MaskGIT，再到如今的Genie-3与离散扩散 （Discrete Diffusion） 模型，Masking正在统一不同模态之间的表征。 论文认为，从早期的掩码预训练 （Masked Modeling） 出发， ...