world-models

SANA：使用线性扩散变换器的高效高分辨率图像合成

推动开源世界模型发展

透过世界模型掌握多领域专业知识

世界建模（World Modeling）领域优秀作品的精选清单，旨在为对世界建模感兴趣的研究人员、从业者和爱好者提供一站式资源。

利用 Hunyuan3D 世界模型，从文字或像素生成沉浸式、可探索且具互动性的 3D 世界

轻量级图像/视频动作生成推理框架

Helios：真正的实时长视频生成模型

DIAMOND (DIffusion As a Model Of eNvironment Dreams) 是一种在扩散世界模型中训练的强化学习智能体。NeurIPS 2024 Spotlight。

NVIDIA Alpamayo 1 Nano 是一个用于自动驾驶的开源 10B 推理 VLA 模型，将驾驶轨迹与因果链（Chain-of-Causation）推理相结合。

Voyager 是一个以相机输入为条件的交互式 RGBD 视频生成模型，并支持实时 3D 重建。

HY-World 1.5：具有实时延迟和几何一致性的交互式世界建模系统框架

Cosmos-Predict2.5 是 Cosmos World Foundation Models (WFMs) 家族的最新版本，专门用于以视频形式模拟与预测世界的未来状态。

您的 AI 游戏开发中心。AI 驱动游戏开发工具的终极资源中心。探索最先进的 LLM、世界模型、Agent、代码、图片、材质、着色器、3D 模型、动画、视频、音频、音乐、歌唱与分析。🔥

[ICML 2026] WorldMirror：适用于多种任务的快速通用 3D 重建模型

[TPAMI 2026] 3D 与 4D 世界建模：综述

[ICML 2026]“Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation”与 Causal Forcing++ 的官方代码库

扩展混合专家模型（MoE）视频预训练以实现具身智能

Transformer 是具备样本效率的世界模型。ICLR 2023，入选前 5% 卓越论文。

先进世界模型的统一代码库

[ACM CSUR 2025] 理解世界还是预测未来？世界模型全面综述

从单张图片或文字提示词生成具备高质量全景视频的大规模可探索 3D 场景。

多重世界引擎。一个多智能体世界引擎，AI智能体可在其中生活、对话、竞争与结盟。

[CVPR 2024 Highlight] GenAD：用于自动驾驶的广义预测模型

rCM 与 Causal-rCM：大规模双向／自回归视频扩散蒸馏的领先与统一算法／基础设施

LLM 的逻辑语言 🌱🐋 建立世界模型 🌍

Cosmos-Transfer2.5 基于 Cosmos-Predict2.5 构建，可根据多种空间控制输入产生高质量的世界模拟。

视觉语言模型论文与模型的顶级前端收集与调查 GitHub 仓库。持续更新中。

AR Diffusion 视频世界模型精选列表：涵盖算法、应用与基础设施，旨在为研究人员、从业者与爱好者提供全面资源。

[CVPR 2026] SpatialVID：一个具有空间标注的大规模视频数据集

自动驾驶世界模型精选列表