Бесконечные миры с многообразными взаимодействиями

Аннотация

Мы представляем LingBot-World 2.0 (также известную как LingBot-World-Infinity) — усовершенствованную версию LingBot-World, включающую четыре существенных улучшения. (1) Наша модель демонстрирует неограниченный горизонт взаимодействия при стабильном качестве вывода благодаря тщательно разработанной парадигме каузального претренинга. (2) Благодаря дистилляции варианта реального времени из базовой модели наша система гарантирует малое время отклика, достаточное для управления видеопотоками разрешения 720p при 60 кадрах в секунду. (3) По сравнению с предыдущей версией, данное обновление вводит высокоразнообразные интерактивные элементы, включающие более широкий спектр действий (например, атаку, стрельбу из лука, заклинания и огнестрельное оружие), а также более богатый набор текстово-управляемых событий. (4) Мы впервые внедряем агентное управление в область моделирования миров, где агент-пилот отвечает за планирование и выполнение действий персонажа, а агент-режиссер — за синтез новых элементов окружения по мере развития сцены. Кроме того, для обеспечения совместного опыта мы разрабатываем интерфейс, позволяющий нескольким игрокам одновременно погружаться в этот живой симулятор мира. Мы дополняем нашу основную модель с 14 млрд параметров легковесным аналогом с 1,3 млрд параметров, поддерживающим простое развертывание на одном 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.