热点事件持续更新
研究团队提出连续时间世界模型SPT-Flow
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年11月2日，研究团队在arXiv发表论文提出连续时间世界模型SPT-Flow。该模型针对连续时间世界模型设计了轨迹潜在变量匹配机制，通过为每条轨迹采样一个latent变量，使自由运行的常微分方程（ODE）推演能够在多个时刻匹配演示状态，从而消除监督捷径。实验表明，在LIBERO数据集上训练3万步后，SPT-Flow与ODEWorld基线相比，在单样本推理成本相当的前提下，中间帧和最终帧的best-of-10 PSNR分别提升了2.0 dB与2.4 dB，平均LPIPS降低了23%。
AI 根据报道生成 · 10 小时前更新
最新进展11月2日 13:00
研究团队提出SPT-Flow模型，通过轨迹潜在变量匹配机制提升连续时间推演质量。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv 机器学习SPT-Flow：连续时间世界模型中的单次积分与多未来生成
SPT-Flow 针对连续时间世界模型提出轨迹潜在变量匹配机制，通过每条轨迹采样一个 latent，使自由运行的 ODE 推演在多个时刻匹配演示状态，以消除监督捷径。在 LIBERO 上训练 30k 步后，SPT-Flow 相比 ODEWorld 基线在中间帧和最终帧的 best-of-10 PSNR 分别提升 2.0 dB 与 2.4 dB，平均 LPIPS 降低 23%，且单样本推理成本相当。
本事件热度走势
当前热度 8·可比范围峰值 10（11月2日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。