作者：林郁纬发布时间：2026-06-14 23:05:19 点击数：44251

本周监管部门公开新进展“蛤蟆粽子”终结粽子甜咸大战很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

桥西区留营街道濮阳市南乐县山西省晋中市灵石县黑龙江省鹤岗市辽宁省锦州市义县四川省甘孜藏族自治州阿克苏地区拜城县海南省儋州市云南省大理白族自治州云龙县吉林省四平市铁西区山东省聊城市冠县甘肃省陇南市武都区马鞍山市博望区甘肃省兰州市合肥市瑶海区辽宁省沈阳市贵州省安顺市普定县青海省果洛藏族自治州贵州省黔南布依族苗族自治州惠水县桥西区留营街道青海省海西蒙古族藏族自治州德令哈市青海省海南藏族自治州贵德县甘肃省兰州市西藏山南市贡嘎县广东省云浮市新兴县黑龙江省佳木斯市汤原县山东省枣庄市台儿庄区信阳市平桥区黑龙江省哈尔滨市巴彦县蓟州区东二营镇延庆区康庄镇湖北省恩施土家族苗族自治州建始县延庆区康庄镇黑龙江省佳木斯市富锦市朝阳区豆各庄地区黑龙江省哈尔滨市巴彦县黑龙江省鹤岗市山西省晋中市太谷区甘肃省陇南市武都区西藏阿里地区日土县甘肃省定西市渭源县江苏省连云港市赣榆区山西省晋城市高平市山西省晋城市泽州县马鞍山市博望区桂林市秀峰区广东省惠州市龙门县洛阳市汝阳县赞皇县西龙门乡朝阳区酒仙桥街道丰台区和义街道鹿泉区寺家庄镇门头沟区大峪街道江苏省南通市启东市福建省漳州市龙海市山西省晋中市灵石县南开区长虹街道海南省海口市美兰区密云区高岭镇山东省烟台市牟平区南开区长虹街道井陉县测鱼镇四川省广元市福建省厦门市海沧区井陉县测鱼镇辽宁省大连市旅顺口区山西省临汾市安泽县辽宁省大连市旅顺口区黑龙江省七台河市桃山区福建省厦门市湖里区陕西省西安市未央区辽宁省辽阳市白塔区山西省晋城市高平市山东省泰安市泰山区信阳市平桥区塔城地区和布克赛尔蒙古自治县山东省枣庄市台儿庄区蚌埠市龙子湖区甘肃省天水市秦州区长安区广安街道山东省烟台市龙口市江西省吉安市永新县桥西区留营街道西藏山南市黑龙江省七台河市桃山区贵州省铜仁市印江土家族苗族自治县内蒙古鄂尔多斯市鄂托克旗辽宁省沈阳市浑南区湖北省恩施土家族苗族自治州建始县陕西省宝鸡市眉县广东省江门市亳州市利辛县延庆区康庄镇昌平区延寿镇鹿泉区寺家庄镇怀柔区宝山镇青海省海北藏族自治州门源回族自治县大兴区山西省运城市夏县四川省广安市岳池县

本月行业报告公开最新政策英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

重庆市市辖区北碚区云南省普洱市景东彝族自治县青海省玉树藏族自治州治多县湖北省宜昌市夷陵区和平区南市街道江西省赣州市石城县江苏省连云港市赣榆区湖北省宜昌市秭归县蓟州区官庄镇无极县大陈镇四川省甘孜藏族自治州丹巴县山东省泰安市东平县江西省景德镇市昌江区西藏山南市贡嘎县甘肃省陇南市武都区内蒙古鄂尔多斯市康巴什区青秀区昌平区小汤山镇平顶山市湛河区怀柔区龙山街道广东省汕头市龙湖区西城区月坛街道山西省吕梁市中阳县海南省海口市美兰区甘肃省定西市渭源县甘肃省兰州市广东省佛山市三水区平山县岗南镇淮南市大通区广东省江门市广东省汕头市龙湖区丰台区右安门街道朝阳区小红门地区焦作市沁阳市南阳市内乡县南开区体育中心街道四川省乐山市宝坻区牛家牌镇平山县小觉镇吉林省白山市浑江区福建省福州市罗源县山西省晋城市泽州县怀柔区雁栖地区崇左市宁明县山东省枣庄市台儿庄区四川省泸州市江阳区密云区高岭镇湖北省宜昌市西陵区新乐市协神乡黑龙江省佳木斯市富锦市钦州市赵县沙河店镇山西省忻州市定襄县崇左市宁明县福建省三明市梅列区山西省晋中市灵石县平山县上观音堂乡四川省宜宾市翠屏区广东省江门市贵州省黔南布依族苗族自治州惠水县濮阳市南乐县密云区古北口镇辽宁省沈阳市沈河区江西省萍乡市上栗县福建省三明市梅列区贵州省铜仁市印江土家族苗族自治县陕西省咸阳市兴平市马鞍山市博望区四川省凉山彝族自治州西昌市辽宁省大连市旅顺口区云南省玉溪市新平彝族傣族自治县陕西省西安市未央区四川省成都市双流区北海市海城区内蒙古锡林郭勒盟正镶白旗四川省遂宁市蓬溪县辽宁省铁岭市开原市辽宁省辽阳市白塔区陕西省商洛市山阳县广东省汕头市南澳县河东区东新街道江西省宜春市奉新县四川省凉山彝族自治州昭觉县桥西区留营街道江苏省苏州市相城区河东区大直沽街道甘肃省白银市景泰县辽宁省铁岭市清河区武清区汊沽港镇云南省红河哈尼族彝族自治州绿春县无极县大陈镇朝阳区酒仙桥街道江西省景德镇市昌江区四川省甘孜藏族自治州丹巴县云南省红河哈尼族彝族自治州绿春县湖北省恩施土家族苗族自治州建始县山西省临汾市安泽县湖北省宜昌市宜都市江西省宜春市宜丰县百色市田林县

全球服务区域:和平区南市街道丰台区右安门街道山东省滨州市云南省丽江市宁蒗彝族自治县江西省吉安市吉安县海南省儋州市黑龙江省大兴安岭地区呼玛县山东省枣庄市台儿庄区昌平区回龙观街道四川省宜宾市翠屏区静海区大邱庄镇福建省漳州市龙海市江西省吉安市吉安县平顶山市湛河区广东省云浮市新兴县固原市西吉县江苏省连云港市赣榆区辽宁省铁岭市清河区蓟州区东二营镇福建省厦门市湖里区山东省威海市武清区汊沽港镇无极县大陈镇防城港市东兴市辽宁省沈阳市湖北省宜昌市宜都市元氏县苏村乡西藏山南市贡嘎县吉林省白山市浑江区江苏省苏州市相城区湖北省襄阳市襄州区山西省晋中市榆社县山西省晋中市灵石县南开区长虹街道福建省厦门市湖里区山东省东营市垦利区大兴区朝阳区小红门地区博尔塔拉蒙古自治州温泉县北辰区蓟州区东赵各庄镇元氏县苏村乡山东省德州市齐河县湖北省襄阳市襄州区青秀区江西省吉安市永新县井陉县测鱼镇甘肃省甘南藏族自治州广东省惠州市龙门县甘肃省天水市秦州区四川省广元市昌平区延寿镇密云区古北口镇怀柔区宝山镇福建省南平市建瓯市内蒙古鄂尔多斯市鄂托克旗云南省丽江市宁蒗彝族自治县福建省福州市永泰县哈密市伊吾县贵州省六盘水市水城县朝阳区管庄地区四川省成都市金牛区丰台区长辛店镇长安区南村镇四川省成都市金牛区濮阳市南乐县云南省红河哈尼族彝族自治州泸西县西青区精武镇行唐县龙州镇湖北省襄阳市襄州区濮阳市南乐县桥西区东华街道江西省宜春市奉新县武清区上马台镇洛阳市汝阳县南开区长虹街道山西省晋中市灵石县辽宁省辽阳市白塔区青海省海西蒙古族藏族自治州德令哈市密云区河南寨镇吉林省白山市浑江区山东省淄博市临淄区内蒙古锡林郭勒盟正镶白旗蓟州区东二营镇崇左市宁明县湖北省宜昌市西陵区辽宁省辽阳市白塔区鹿泉区白鹿泉乡西乡塘区辽宁省朝阳市北票市元氏县苏村乡乌鲁木齐市沙依巴克区陕西省汉中市西乡县黑龙江省哈尔滨市巴彦县黑龙江省佳木斯市汤原县顺义区空港街道桥西区留营街道哈密市伊吾县四川省甘孜藏族自治州丹巴县四川省广安市岳池县

昨日研究机构公布重大成果英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：内蒙古兴安盟乌兰浩特市山东省泰安市泰山区陕西省汉中市留坝县四川省德阳市广汉市信阳市平桥区平山县宅北乡云南省怒江傈僳族自治州福贡县陕西省汉中市南郑区贵州省铜仁市印江土家族苗族自治县怀柔区雁栖地区广东省惠州市龙门县崇左市宁明县怀柔区宝山镇平顶山市湛河区钦州市广东省珠海市斗门区南开区体育中心街道辽宁省沈阳市浑南区蚌埠市蚌山区山西省晋中市榆社县海南省三沙市西沙区江西省景德镇市昌江区山东省青岛市城阳区陕西省咸阳市兴平市黑龙江省绥化市明水县百色市田林县江西省景德镇市昌江区昌平区回龙观街道井陉县吴家窑乡四川省成都市新都区福建省南平市辽宁省铁岭市清河区崇左市宁明县元氏县殷村镇四川省甘孜藏族自治州泸定县内蒙古呼伦贝尔市阿荣旗山东省东营市垦利区四川省泸州市江阳区河东区大直沽街道四川省甘孜藏族自治州喀什地区叶城县广东省江门市福建省南平市青海省海北藏族自治州门源回族自治县辽宁省沈阳市浑南区延庆区沈家营镇福建省三明市梅列区四川省凉山彝族自治州西昌市四川省凉山彝族自治州甘洛县四川省甘孜藏族自治州喀什地区叶城县密云区古北口镇丰台区长辛店镇广东省汕头市南澳县山东省聊城市茌平区马鞍山市博望区山东省德州市齐河县焦作市南开区长虹街道青海省海北藏族自治州门源回族自治县贵州省铜仁市印江土家族苗族自治县海淀区青龙桥街道海南省海口市美兰区陕西省商洛市山阳县乌鲁木齐市沙依巴克区大兴区吉林省白山市浑江区内蒙古兴安盟乌兰浩特市桥西区东华街道福建省南平市银川市贺兰县南阳市内乡县青海省果洛藏族自治州重庆市县巫山县西藏山南市贡嘎县丰台区右安门街道青秀区桂林市兴安县广东省珠海市斗门区河东区大直沽街道江西省景德镇市昌江区山西省晋中市榆社县云南省红河哈尼族彝族自治州绿春县西城区天桥街道福建省莆田市仙游县江西省宜春市奉新县喀什地区叶城县和田地区西藏拉萨市达孜区山西省晋城市泽州县钦州市江苏省徐州市新沂市内蒙古兴安盟乌兰浩特市北辰区广源街道平山县岗南镇四川省宜宾市珙县甘肃省兰州市贵州省铜仁市印江土家族苗族自治县固原市西吉县鹿泉区寺家庄镇

售后服务上门服务电话，智能分配单据：英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」

允中发自凹非寺量子位 | 公众号 QbitAI

当前视频世界模型在单智能体设定下已经走得相对成熟。

但多智能体场景——多个玩家共享同一个演化世界，在架构层面一直缺乏系统性的解决方案。

问题不在于算力不够，而在于现有的位置编码和注意力机制，从设计上就没有为多个主体预留接口。

近日，NVIDIA联合清华大学、多伦多大学和Vector Institute发布Gamma-World（γ-World），从RoPE扩展和注意力拓扑两个底层组件入手，给出了一套系统性的答案。

论文标题：Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players

为什么多智能体世界建模是一个困难问题

现有视频世界模型几乎都建立在单智能体假设之上：

给定一个玩家的动作序列，预测该视角下的未来观测。

多智能体设定从根本上改变了这个问题的性质——模型不再只需预测「这个智能体接下来看到什么」，而是需要同时回答：

玩家A的移动应当在玩家B的视野中如何呈现？两名玩家同时操作同一个物体，状态应当如何演化？

这不是「生成N段独立视频」的问题，而是「生成N个耦合视角对同一个演化世界的不同投影」。

在技术层面，这意味着模型必须同时维护三重一致性：

时间一致性：画面在时序上连贯；跨视角一致性：A在B视野中的呈现与A自身轨迹吻合；交互一致性：多个智能体对共享环境的操作在所有视角中产生一致的状态变化。

单智能体框架在设计上只保证了时间一致性，后两者从未被纳入考量——

这是架构层面的结构性缺失，无法通过增加数据量或模型规模来弥补。

在Gamma-World之前，这个方向并非没有人尝试。

Solaris已经在双人Minecraft上取得了不错的结果，但它暴露出的两个结构性问题，恰恰说明了为什么将单智能体框架直接「扩展」到多智能体，是一条走不通的路。

其一，身份编码破坏了对称性

Solaris为每个玩家分配固定的可学习槽位身份向量，实质上将「1号槽」和「2号槽」学成了两种不同的角色类型。

在真实的多智能体世界中，能力相同的玩家本质上可互换，这种对称性的缺失使模型学到的是「特定角色的交互模式」，而非「多个平等主体共享世界的规律」，泛化性从根本上受限，且一旦需要支持新的玩家数就必须重新训练。

其二，全连接注意力存在扩展性天花板

让所有玩家的token两两直接交互，计算成本随玩家数量平方增长——

从2人扩展到8人，计算量从477.8G增至7.6T，增长约16倍。

这是算法复杂度决定的天花板，无法通过工程优化解决。

两个问题指向同一个结论：多智能体世界模型需要的不是修补，而是对两个核心组件的重新设计。

有关如何表示智能体身份，以及如何设计跨智能体通信。

核心设计一：Simplex Rotary Agent Encoding，让玩家「身份等距、地位平等」

这个设计要解决的核心矛盾是：

如何让模型既能区分不同的玩家，又不让任何玩家在表示上比其他玩家「更特殊」。

视频Transformer用RoPE（旋转位置编码）来表达位置关系——给每个信息片段分配一个旋转角度，两个片段之间的位置差异通过旋转角度的差来表达。

标准视频RoPE编码三个轴：时间、高度、宽度。

Gamma-World加了第四个轴——玩家轴，在不改变原有时空编码的前提下，为智能体身份单独留出一个维度。

轴加起来容易，难的是这个玩家轴上的编码怎么设计。

直接编号行不通。

给玩家按序号分配角度，会导致不同玩家对之间的旋转距离不等：1号和2号差1，1号和3号差2。

「1号与2号的关系」和「1号与3号的关系」在表示空间中并不等距，尽管物理上完全等价。置换对称性被编码方式本身直接破坏。

可学习的槽位嵌入也不行。

每个座位绑定一个固定的可训练向量，模型被锁死在训练时的玩家数量上，无法扩展，这正是Solaris的核心局限。

正单纯形：所有玩家天然等距

Gamma-World的解法很优雅：把所有玩家放在一个正单纯形（regular simplex）的顶点上。

什么意思？

想象一个正三角形，所有顶点之间的距离完全相等，没有哪个顶点更特殊。

2个玩家 → 线段的两端3个玩家 → 等边三角形的三个顶点4个玩家 → 正四面体的四个顶点

无论哪两个玩家，他们在旋转角空间里的距离完全一样。模型看到任意两个玩家，他们之间的几何关系是对称的，谁也不比谁特殊。

这个编码不需要任何可学习的参数

训练时，活跃玩家被随机分配到顶点池里的不同位置，模型只能靠几何坐标来认人。

推理时想支持更多玩家，从同一个顶点池里多取几个顶点就行，架构不用改，也不用重新训练

这也是Gamma-World能做到「双人数据训练、四人场景直接跑通」的根本原因。

核心设计二：Sparse Hub Attention，从「全连接」到「枢纽广播」

跨智能体通信是多智能体世界模型绕不过去的需求，但以往方案的做法代价过高——

让所有玩家的所有token两两直接交互，计算成本随玩家数量平方增长：从2人扩展到8人，计算量从477.8G涨至7.6T，增长约16倍。

这是算法复杂度决定的天花板，无法通过工程优化解决。

问题的根源在于一个错误的假设：每个token级别的细节都需要在所有玩家之间直接传递。

事实上，玩家A放下方块，玩家B需要感知的只是「世界里出现了一个方块」——这是一个紧凑的世界状态变化，而非A的全部视觉细节。

但玩家之间真的需要「直接说话」吗？

全连接注意力隐含了一个假设：每个token级别的细节都需要在所有玩家之间直接传递。而这个假设在绝大多数场景下是错误的。

Gamma-World引入一组可学习的hub token（枢纽token），构成轮辐式拓扑：

每个智能体只与自身历史及hub token交互；hub token汇聚所有智能体的信息压缩为共享状态摘要，再广播回各智能体流；不同智能体之间的直接注意力被完全屏蔽，信息经由两跳传递：智能体→hub→智能体

这一结构将计算成本从平方复杂度压至线性复杂度。

△Sparse Hub Attention（蓝线）vs Dense Attention（红线），随玩家数量增加FLOPs差距接近8倍

值得强调的是，稀疏枢纽注意力不只是节省了算力，它本身也是一个更合理的归纳偏置——在架构层面显式编码了「跨智能体信息应经过共享世界状态瓶颈」这一先验，而非期待模型从数据中隐式学习。

推理时通过独立的KV cache保留稀疏通信拓扑，最终实现24 FPS实时动作响应推演

方法总览

（注：方法总览，左侧为同步多智能体输入，中间为Tokenization，右侧为Causal Multi-Agent DiT，下方分别展示Simplex Rotary Agent Encoding和Sparse Hub Attention的示意图）

整体架构输入同步的多智能体观测和动作序列，用共享的视觉编码器和动作编码器对每个玩家流分别tokenize，再通过带稀疏枢纽注意力的因果多智能体DiT生成未来多路rollout。

推理时使用KV cache实现流式生成，每个玩家流和枢纽各维护独立缓存。

核心设计三：三阶段蒸馏，从「看得全」到「跑得快」

生成质量和推理实时性在扩散模型里天然是一对矛盾：双向模型质量最高但无法流式推理，因果模型支持实时生成但质量下降。

Gamma-World用三阶段训练在两者之间架桥。

第一阶段：训练双向教师。

教师模型可访问完整序列（包括未来帧），提供最高质量的生成分布，仅用于训练阶段，不参与推理。

第二阶段：训练因果学生。

学生模型只能看到当前及过去的帧，结合稀疏枢纽注意力适配流式推理。

关键在于将学生完整训练为多步扩散模型，而非仅作为蒸馏热身——蒸馏之前学生已能产生合理的推演结果，为下一阶段提供稳定起点。

第三阶段：条件Self-Forcing蒸馏。

以因果学生为起点、双向教师为目标，通过分布匹配蒸馏（DMD）将多步采样压缩为4步采样

蒸馏在自回归self-rollout下进行，训练分布与推理分布对齐，有效缓解误差累积。

全程保留初始帧与逐智能体动作序列作为条件信号，确保压缩后的模型动作可控性不退化，最终实现24 FPS流式推演

实验结果

1、全面超越现有最强

在多人Minecraft环境的五类场景中，对比帧拼接方案和目前最强的多智能体世界模型Solaris，Gamma-World在记忆、空间定位、移动、建造、跨视角一致性五个场景全面领先，关键指标FVD（视频生成质量的评估指标）平均降幅超过40%。

2、消融：每一步设计都有实际效果

消融结果说明从「学习槽位身份」换成「单纯形编码」，FVD从256.3降至228.5，没有增加任何参数，仅通过改变编码方式就带来了整个消融中最大的单步增益

这个结果的意义不只是「单纯形编码更好」，而是证明了一件更根本的事：

在架构中显式编码置换对称性约束，比让模型从数据中隐式学习这种结构，在样本效率和最终性能上都有显著优势

对称性是一个先验知识，把先验知识编进架构比让模型自己去发现，本来就更有效率——消融实验用数字验证了这一点。

3、双人训练，四人直接跑通

△零样本四人泛化，模型仅用双人数据训练，推理时直接生成四路同步视角

模型仅在双人数据上训练，推理时从顶点池中启用两个新顶点，直接生成四路同步视角，无需修改任何架构参数，四路画面维持共享世界状态的一致性。

这个结果直接验证了单纯形编码的核心设计目标：泛化到任意玩家数，不需要见过那个玩家数的训练数据。

无论是Solaris、Enigma Labs的Multiverse还是Odyssey的Agora-1，这些工作都证明了多智能体世界模型可以做，但同时都缺乏这样的拓展泛化能力。

4、两种典型任务的定性展示

△两智能体交互示例——两路视角保持同步，Agent 1的行为在Agent 2的视角中被正确反映

在「放置与挖掘」任务中，两路视角实时同步，一方的操作在另一方画面中得到正确反映。

在「建造塔楼」任务中，双方协同搭建的方块在各自视角里位置一致，共享世界状态完整维护。

当玩家暂时移出对方视野时，模型仍能维持正确的空间定位——这说明模型追踪的是共享的潜在世界状态，而非独立生成各路视频后拼在一起。

5、从游戏到真实机器人

△从游戏agent到真实双臂机器人协同，模型生成保持协同运动的未来帧

研究团队将Gamma-World应用于RealOmin-Open数据集的真实双臂机器人协同任务，以左右两条机械臂分别作为独立智能体。

生成的未来帧保持了双臂的协同运动与空间布局，同一套框架从Minecraft多人场景直接迁移至真实物理操作，无需额外适配。

这一结果验证了多智能体世界模型框架本身的通用性，而非针对特定场景的专项方案。

这也让人忍不住往更远处想：现实世界中几乎所有有价值的场景，本质上都是多个主体在共享环境中协作或博弈——手术室里的多臂协同、工厂产线上的多机器人调度、自动驾驶中的多车交互。

如果一套统一的多智能体世界模型框架能够覆盖这些场景，它所代表的就不只是仿真能力的提升，而是为整个Physical AI领域提供了一个全新的数据生产和策略训练基础设施。

Gamma-World的三项核心设计，单纯形旋转智能体编码、稀疏枢纽注意力、条件师生蒸馏，分别对应多智能体世界建模中三个长期悬而未决的问题：

身份的对称表示、交互的高效建模、质量与实时性的同时兼顾。

每一项都不是修补，而是在确认原有路径走不通之后，从更底层的建模原则重新给出的答案。

三项设计背后有一个共同的方法论：将对问题结构的理解直接编码进架构，而非期待模型从数据中自行发现。

一个真正理解多智能体世界的模型，应当在结构上就是对称的，而不是见过足够多的数据之后，碰巧学出了近似对称的行为。

前者是理解，后者只是拟合。

Gamma-World零样本泛化到四人场景的结果，正是对这一判断最直接的实验验证。

这一方法论也指向一个更大的可能性：当多智能体世界模型的生成质量足以忠实还原真实物理规律，训练数据的采集方式本身就会发生根本性转变——

从依赖真实场景的物理采集，转向由神经网络驱动的大规模模拟生成

受限于人力、空间和时间的数据瓶颈，将有可能被无限可扩展的神经仿真所替代。

从方块世界到机械臂，Gamma-World迈出的是验证性的第一步。

真正的世界模型，学会的不该只是「画面」，而是「规则」。

论文：Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players机构：NVIDIA/清华大学/多伦多大学/Vector Institute项目主页：https://research.nvidia.com/labs/sil/projects/gamma-world/GitHub：https://github.com/nv-tlabs/Gamma-WorldHuggingface: https://huggingface.co/papers/2605.28816

今日行业报告更新行业动态英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」

允中发自凹非寺量子位 | 公众号 QbitAI

当前视频世界模型在单智能体设定下已经走得相对成熟。

但多智能体场景——多个玩家共享同一个演化世界，在架构层面一直缺乏系统性的解决方案。

问题不在于算力不够，而在于现有的位置编码和注意力机制，从设计上就没有为多个主体预留接口。

近日，NVIDIA联合清华大学、多伦多大学和Vector Institute发布Gamma-World（γ-World），从RoPE扩展和注意力拓扑两个底层组件入手，给出了一套系统性的答案。

论文标题：Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players

为什么多智能体世界建模是一个困难问题

现有视频世界模型几乎都建立在单智能体假设之上：

给定一个玩家的动作序列，预测该视角下的未来观测。

多智能体设定从根本上改变了这个问题的性质——模型不再只需预测「这个智能体接下来看到什么」，而是需要同时回答：

玩家A的移动应当在玩家B的视野中如何呈现？两名玩家同时操作同一个物体，状态应当如何演化？

这不是「生成N段独立视频」的问题，而是「生成N个耦合视角对同一个演化世界的不同投影」。

在技术层面，这意味着模型必须同时维护三重一致性：

单智能体框架在设计上只保证了时间一致性，后两者从未被纳入考量——

这是架构层面的结构性缺失，无法通过增加数据量或模型规模来弥补。

在Gamma-World之前，这个方向并非没有人尝试。

其一，身份编码破坏了对称性

Solaris为每个玩家分配固定的可学习槽位身份向量，实质上将「1号槽」和「2号槽」学成了两种不同的角色类型。

其二，全连接注意力存在扩展性天花板

让所有玩家的token两两直接交互，计算成本随玩家数量平方增长——

从2人扩展到8人，计算量从477.8G增至7.6T，增长约16倍。

这是算法复杂度决定的天花板，无法通过工程优化解决。

两个问题指向同一个结论：多智能体世界模型需要的不是修补，而是对两个核心组件的重新设计。

有关如何表示智能体身份，以及如何设计跨智能体通信。

核心设计一：Simplex Rotary Agent Encoding，让玩家「身份等距、地位平等」

这个设计要解决的核心矛盾是：

如何让模型既能区分不同的玩家，又不让任何玩家在表示上比其他玩家「更特殊」。

视频Transformer用RoPE（旋转位置编码）来表达位置关系——给每个信息片段分配一个旋转角度，两个片段之间的位置差异通过旋转角度的差来表达。

标准视频RoPE编码三个轴：时间、高度、宽度。

Gamma-World加了第四个轴——玩家轴，在不改变原有时空编码的前提下，为智能体身份单独留出一个维度。

轴加起来容易，难的是这个玩家轴上的编码怎么设计。

直接编号行不通。

给玩家按序号分配角度，会导致不同玩家对之间的旋转距离不等：1号和2号差1，1号和3号差2。

「1号与2号的关系」和「1号与3号的关系」在表示空间中并不等距，尽管物理上完全等价。置换对称性被编码方式本身直接破坏。

可学习的槽位嵌入也不行。

每个座位绑定一个固定的可训练向量，模型被锁死在训练时的玩家数量上，无法扩展，这正是Solaris的核心局限。

正单纯形：所有玩家天然等距

Gamma-World的解法很优雅：把所有玩家放在一个正单纯形（regular simplex）的顶点上。

什么意思？

想象一个正三角形，所有顶点之间的距离完全相等，没有哪个顶点更特殊。

2个玩家 → 线段的两端3个玩家 → 等边三角形的三个顶点4个玩家 → 正四面体的四个顶点

无论哪两个玩家，他们在旋转角空间里的距离完全一样。模型看到任意两个玩家，他们之间的几何关系是对称的，谁也不比谁特殊。

这个编码不需要任何可学习的参数

训练时，活跃玩家被随机分配到顶点池里的不同位置，模型只能靠几何坐标来认人。

推理时想支持更多玩家，从同一个顶点池里多取几个顶点就行，架构不用改，也不用重新训练

这也是Gamma-World能做到「双人数据训练、四人场景直接跑通」的根本原因。

核心设计二：Sparse Hub Attention，从「全连接」到「枢纽广播」

跨智能体通信是多智能体世界模型绕不过去的需求，但以往方案的做法代价过高——

让所有玩家的所有token两两直接交互，计算成本随玩家数量平方增长：从2人扩展到8人，计算量从477.8G涨至7.6T，增长约16倍。

这是算法复杂度决定的天花板，无法通过工程优化解决。

问题的根源在于一个错误的假设：每个token级别的细节都需要在所有玩家之间直接传递。

事实上，玩家A放下方块，玩家B需要感知的只是「世界里出现了一个方块」——这是一个紧凑的世界状态变化，而非A的全部视觉细节。

但玩家之间真的需要「直接说话」吗？

全连接注意力隐含了一个假设：每个token级别的细节都需要在所有玩家之间直接传递。而这个假设在绝大多数场景下是错误的。

Gamma-World引入一组可学习的hub token（枢纽token），构成轮辐式拓扑：

这一结构将计算成本从平方复杂度压至线性复杂度。

△Sparse Hub Attention（蓝线）vs Dense Attention（红线），随玩家数量增加FLOPs差距接近8倍

推理时通过独立的KV cache保留稀疏通信拓扑，最终实现24 FPS实时动作响应推演

方法总览

推理时使用KV cache实现流式生成，每个玩家流和枢纽各维护独立缓存。

核心设计三：三阶段蒸馏，从「看得全」到「跑得快」

生成质量和推理实时性在扩散模型里天然是一对矛盾：双向模型质量最高但无法流式推理，因果模型支持实时生成但质量下降。

Gamma-World用三阶段训练在两者之间架桥。

第一阶段：训练双向教师。

教师模型可访问完整序列（包括未来帧），提供最高质量的生成分布，仅用于训练阶段，不参与推理。

第二阶段：训练因果学生。

学生模型只能看到当前及过去的帧，结合稀疏枢纽注意力适配流式推理。

关键在于将学生完整训练为多步扩散模型，而非仅作为蒸馏热身——蒸馏之前学生已能产生合理的推演结果，为下一阶段提供稳定起点。

第三阶段：条件Self-Forcing蒸馏。

以因果学生为起点、双向教师为目标，通过分布匹配蒸馏（DMD）将多步采样压缩为4步采样

蒸馏在自回归self-rollout下进行，训练分布与推理分布对齐，有效缓解误差累积。

全程保留初始帧与逐智能体动作序列作为条件信号，确保压缩后的模型动作可控性不退化，最终实现24 FPS流式推演

实验结果

1、全面超越现有最强

2、消融：每一步设计都有实际效果

这个结果的意义不只是「单纯形编码更好」，而是证明了一件更根本的事：

在架构中显式编码置换对称性约束，比让模型从数据中隐式学习这种结构，在样本效率和最终性能上都有显著优势

对称性是一个先验知识，把先验知识编进架构比让模型自己去发现，本来就更有效率——消融实验用数字验证了这一点。

3、双人训练，四人直接跑通

△零样本四人泛化，模型仅用双人数据训练，推理时直接生成四路同步视角

这个结果直接验证了单纯形编码的核心设计目标：泛化到任意玩家数，不需要见过那个玩家数的训练数据。

无论是Solaris、Enigma Labs的Multiverse还是Odyssey的Agora-1，这些工作都证明了多智能体世界模型可以做，但同时都缺乏这样的拓展泛化能力。

4、两种典型任务的定性展示

△两智能体交互示例——两路视角保持同步，Agent 1的行为在Agent 2的视角中被正确反映

在「放置与挖掘」任务中，两路视角实时同步，一方的操作在另一方画面中得到正确反映。

在「建造塔楼」任务中，双方协同搭建的方块在各自视角里位置一致，共享世界状态完整维护。

当玩家暂时移出对方视野时，模型仍能维持正确的空间定位——这说明模型追踪的是共享的潜在世界状态，而非独立生成各路视频后拼在一起。

5、从游戏到真实机器人

△从游戏agent到真实双臂机器人协同，模型生成保持协同运动的未来帧

研究团队将Gamma-World应用于RealOmin-Open数据集的真实双臂机器人协同任务，以左右两条机械臂分别作为独立智能体。

生成的未来帧保持了双臂的协同运动与空间布局，同一套框架从Minecraft多人场景直接迁移至真实物理操作，无需额外适配。

这一结果验证了多智能体世界模型框架本身的通用性，而非针对特定场景的专项方案。

Gamma-World的三项核心设计，单纯形旋转智能体编码、稀疏枢纽注意力、条件师生蒸馏，分别对应多智能体世界建模中三个长期悬而未决的问题：

身份的对称表示、交互的高效建模、质量与实时性的同时兼顾。

每一项都不是修补，而是在确认原有路径走不通之后，从更底层的建模原则重新给出的答案。

三项设计背后有一个共同的方法论：将对问题结构的理解直接编码进架构，而非期待模型从数据中自行发现。

一个真正理解多智能体世界的模型，应当在结构上就是对称的，而不是见过足够多的数据之后，碰巧学出了近似对称的行为。

前者是理解，后者只是拟合。

Gamma-World零样本泛化到四人场景的结果，正是对这一判断最直接的实验验证。

这一方法论也指向一个更大的可能性：当多智能体世界模型的生成质量足以忠实还原真实物理规律，训练数据的采集方式本身就会发生根本性转变——

从依赖真实场景的物理采集，转向由神经网络驱动的大规模模拟生成

受限于人力、空间和时间的数据瓶颈，将有可能被无限可扩展的神经仿真所替代。

从方块世界到机械臂，Gamma-World迈出的是验证性的第一步。

真正的世界模型，学会的不该只是「画面」，而是「规则」。

斯塔默政治前途“悬而未决” 潜在竞争者都有谁？

华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-欧美xx网站-欧美xx网站最新版V.2.82.88-2265安卓网

华体汇电竞-华体汇(中国)

“蛤蟆粽子”终结粽子甜咸大战

华体汇电竞-华体汇(中国):“蛤蟆粽子”终结粽子甜咸大战

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

66.41MB

版本{版本}

下载APK 高速下载

下载再英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」安装你想要的应用更方便更快捷发现更多

96%好评(10人)

详细信息

软件大小:17.32MB
最后更新:2026-06-14 23:05:19
最新版本:{版本}
文件格式:apk
应用分类:ios-Android英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」
使用语言:中文
:需要联网
系统要求:1.36以上

应用介绍

?第一步：访问《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》官网?首先,打开您的浏览器,输入《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》。您可以通过搜索引擎搜索或直接输入网址来访问.?
?第二步：点击注册按钮?一旦进入《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。??
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站的条款，恭喜您！您已经成功注册了《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站账户。现在，您可以畅享《英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线

加载更多

版本更新

{版本}

英伟达提出Gamma-World：世界模型从「一个人玩」到「多人共处」