2026-07-01 Paper Reading • Eric Zhang

今日从 arXiv 订阅中筛选 10 篇论文。本周 world model 方向论文爆发，Orca 提出通用世界基础模型统一范式。

⚡ Orca: The World is in Your Mind

通用世界基础模型，Next-State-Prediction 统一 next-token/frame/action 预测，125K 小时视频 + 160M 事件标注预训练，三模态读出。本周最重磅。

层式世界模型引导 VLM 规划，粗到细轨迹优化 + 未来帧生成监督，NAVSIM 92.0。Relevance 5.1 本周最高。

将预测世界模型内化为 VLA 的 Visual CoT，BEV 抽象草图 + DC-AE 压缩 12 帧为 96 tokens + 循环块扩散加速。低延迟车载部署方案。

4D 占据世界模型预测未来 → 引导扩散规划器，显式因果时序推理，应对遮挡和意外事件。

LLM 生成对抗性交通场景，10.8% 额外碰撞检出，用生成场景微调降低 36.1% 碰撞率。

WorldEvolver：部署时自进化世界模型，情景记忆 + 语义记忆 + 选择性预见，无需微调模型参数。

在 DINOv3 特征空间直接做 flow matching 的随机世界模型，解决 VAE 低维瓶颈和确定性预测模糊性。

视觉空间 + 参数空间协同的具身世界模型，支持可变形物体交互，backbone 无关模块设计。

训练无关的 VLM agent 框架，自进化推理技能 + 视觉工具，平均 +5.6% 准确率，关闭 RL 方法 65-99% 差距。

潜在空间视觉反射机制，单次前向通过选择性强化关键区域，视频理解效率 +44%。

自动生成于 2026-07-01 · 基于 arXiv Daily Digest