2月10日，豆包大模型团队联合北京交通大学、中国科学技术大学共同开发的视频生成实验模型“VideoWorld”正式开源。该模型突破了传统视频生成模型的局限，不依赖语言模型即可认知世界，与Sora、DALL-E、Midjourney等主流多模态模型相比，具有显著差异。
传统模型往往依赖语言或标签数据进行知识学习，难以处理纯视觉信号。VideoWorld摒弃语言模型，通过潜在动态模型实现视频帧间变化信息的高效压缩，提升了知识学习效率。该模型无需强化学习搜索或奖励函数机制，已在围棋和机器人任务中取得显著成就，为相关研究提供了新方向。
#开源 #豆包 #人工智能 #科技 #中国
