Mundos Infinitos com Interações Versáteis

Resumo

Apresentamos o LingBot-World 2.0 (também conhecido como LingBot-World-Infinity), uma versão avançada do LingBot-World que incorpora quatro atualizações distintas. (1) Nosso modelo alcança um horizonte de interação ilimitado, mantendo a qualidade consistente da saída, graças a um paradigma de pré-treinamento causal cuidadosamente elaborado. (2) Por meio da destilação de uma variante em tempo real a partir do modelo base, nosso sistema garante um tempo de resposta rápido, suficiente para gerar fluxos de vídeo em 720p a 60 fps. (3) Em comparação com a versão anterior, esta atualização introduz elementos interativos altamente diversificados, abrangendo um espectro mais amplo de ações (por exemplo, ataque, arco e flecha, lançamento de feitiços e tiros), juntamente com uma variedade mais rica de eventos orientados por texto. (4) Pioneirizamos a integração de um arcabouço agentivo no domínio da modelagem de mundos, no qual um agente piloto é responsável por planejar e executar comportamentos dos personagens, enquanto um agente diretor é responsável por sintetizar novos elementos ambientais à medida que a cena progride. Adicionalmente, para facilitar uma experiência compartilhada, desenvolvemos uma interface que permite que múltiplos jogadores se imerjam simultaneamente neste simulador de mundo vívido. Emparelhamos nosso modelo principal de 14B com uma contraparte leve de 1,3B, que suporta uma implantação sem esforço em uma única GPU.

English

We present LingBot-World 2.0 (also known as LingBot-World-Infinity), an advanced iteration of LingBot-World featuring four distinct upgrades. (1) Our model achieves an unbounded interaction horizon while maintaining consistent output quality, benefiting from a carefully crafted causal pretraining paradigm. (2) Through distilling a real-time variant from the base model, our system guarantees rapid response time, sufficient to drive 720p video streams at 60 fps. (3) Compared to the previous version, this update introduces highly diverse interactive elements, comprising a broader spectrum of actions (e.g., attacking, archery, spell-casting, and shooting) alongside a richer variety of text-driven events. (4) We pioneer the integration of an agentic harness within the domain of world modeling, wherein a pilot agent is tasked with planning and executing character behaviors, while a director agent is responsible for synthesizing novel environmental elements as the scene progresses. Additionally, to facilitate a shared experience, we develop an interface that permits multiple players to simultaneously immerse themselves in this vivid world simulator. We pair our primary 14B model with a lightweight 1.3B counterpart, which supports effortless deployment on a single GPU.