대부분의 AI 월드 모델는 여러분에게 20초 정도만 깊은 인상을 남깁니다.

더 어려운 문제는 그것들이 일관성을 유지하도록 만드는 것입니다.

이것이 Robbyant의 LingBot-World-Infinity에서 가장 눈에 띄었습니다.

다른 해상도 기록을 쫓기보다는, 이 논문은 자기회귀 드리프트(autoregressive drift)를 줄이는 데 초점을 맞춥니다. 이는 작은 예측 오류가 누적되어 세상이 서서히 무너져 내리는 문제점입니다.

그들의 스트레스 테스트는 20가지 다른 시나리오에 걸쳐 중단 없이 진행된 60분간의 실행이었으며, 눈에 띄는 품질 저하가 없었습니다.

직접 상호작용 시스템을 보고 싶다면, Reactor에서 실시간으로 확인할 수 있습니다:
🎮 https://t.co/7SCtflJs0w

또한 그들이 완벽한 척하지 않는 점도 마음에 듭니다.

논문에서는 이것이 진정한 장기 기억(long-term memory)을 가지고 있지 않다고 솔직하게 언급합니다. 특정 지역을 벗어났다가 나중에 돌아오면, 정확히 같은 장소를 기억해내는 대신 그럴듯한 무언가를 재생성할 뿐입니다. 이는 매우 신선하고 정직한 한계점입니다.

오픈 웨이트(Open weights) 덕분에 탐구할 거리가 더욱 흥미롭습니다.

@robbyant_brain

연구를 탐색하고 싶은 분들을 위해:

💻 GitHub: https://t.co/ELPLu8ZhZF

🤗 모델 가중치(Model Weights): https://t.co/REEI5KCfNy