루프된 세계 모델

개요

현재의 세계 모델은 근본적인 긴장을 겪고 있습니다: 장시간 시뮬레이션을 정확히 수행하려면 깊은 연산을 필요로 하지만, 더 깊은 모델은 배포 비용이 비싸고 누적 오류에 취약합니다. 우리는 Looped World Models(LoopWM)이라는 최초의 루프된 세계 모델 아키텍처를 도입하여 이를 해결합니다. 이 방법은 파라미터 공유 트랜스포머 블록을 통해 잠재 환경 상태를 반복적으로 정교화합니다. 예측 단계의 복잡성에 따라 깊이를 자동으로 조정하는 적응형 연산을 통해 기존 접근법 대비 최대 100배의 파라미터 효율성을 제공합니다. 모델 크기와 훈련 데이터 규모를 늘리는 것과는 별개로 LoopWM은 세계 시뮬레이션을 위한 새로운 스케일링 축으로 반복적인 잠재 깊이를 확립하여 커뮤니티에 크게 기여할 수 있습니다.

Key Contributions

본 논문에서는 다음 분야를 다룹니다:

• cs.LG
• cs.AI
• cs.CL
• cs.CV

Methodology

자세한 방법については 전체 논문을 참고하십시오.

Practical Implications

이 연구는 cs.LG 분야의 발전을 기여합니다.

Authors

• Hongyuan Adam Lu
• Z. L. Victor Wei
• Qun Zhang
• Jinrui Zeng
• Bowen Cao
• Lingwei Meng
• Mocheng Li
• Zezhong Wang
• Haonan Yin
• Naifu Xue
• Minyu Chen
• Cenyuan Zhang
• Zefan Zhang
• Hao Wei
• Jiawei Zhou
• Haoran Xu
• Hao Yang
• Ronglai Zuo
• Tongda Xu
• Yonghao Li
• Jian Chen
• Hebin Wang
• Zeyu Gao
• Yang Li
• Wei Zhao
• Qimin Zhong
• Siqi Liu
• Yumeng Zhang
• Leyan Cui
• Zhangyu Wang
• Wai Lam

Paper Information

• arXiv ID: 2606.18208v1
• Categories: cs.LG, cs.AI, cs.CL, cs.CV
• Published: June 16, 2026
• PDF: Download PDF