コードによる世界モデル「Code World Model」を公開

記事の3ポイント

1. 1

   世界進化と視覚実現の分離

   既存モデルが視覚観察から結果を学習するのみである課題に対し、世界の状態進化を推論・コーディングで扱い、視覚的表現は別プロセスとする新しいフレームワークを導入した。

2. 2

   コードエージェントによる世界脳

   イベントとその帰結について推論し、実行可能なコードを生成するコーディングエージェントが「世界脳」として機能し、一貫性のあるルールに従った世界進化と状態維持を実現する。

3. 3

   プロキシ表現による視覚化

   実行可能な状態と視覚生成を接続するため、フレームごとの時空間制約を符号化する「プロキシ表現」を導入し、これをコンパイルして生成されたプロキシ動画がビデオモデルの条件として機能する。