阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯实质变化1 分钟阅读DisconfirmAI 编辑部

蚂蚁技术研究院与西湖心辰开源双向世界模型Duo v1:虚拟主体可自主决定何时开口或倾听

蚂蚁技术研究院与杭州大模型公司西湖心辰联合发布并开源双向世界模型Duo v1,通过意图与实现模块协同,使虚拟主体能在持续接收音视频输入时自主决定交互时机并实时生成视听行为。

2026-11-18 23:00

智东西11月18日报道,11月17日,蚂蚁技术研究院与杭州大模型公司西湖心辰发布并开源双向世界模型(Reciprocal World Model,RWM)Duo v1。该模型通过Intent(意图)和Realization(实现)两个紧密耦合的模块,将智能主体内化为世界的一部分,使其能够持续接收用户的音视频输入,自主决定何时开口、何时倾听,并实时生成相应的声音和画面与用户进行交互。

传统世界模型通常只模拟光影、材质、动态等物理场景,内部缺少可主动回应的主体。Duo v1则同时覆盖物理现实和智能主体,虚拟主体与世界共享同一交互时空。在每个约0.7秒的时间块内,Intent模块基于用户输入和交互历史,自主决策是选择开口说话还是倾听等待,并同步生成对应的语言内容;Realization模块则结合Intent的隐状态、用户输入和自身生成的历史内容,生成相匹配的音频和视频。

在30组真实交互的人类评估中,Duo v1通过了180项检查中的168项,总通过率为93.3%。其中,语言遵循性、语音可懂度和视觉身份稳定性三项指标的通过率均为100%,但内容响应度为73.3%,内容响应度和长程一致性仍是当前版本的主要挑战。目前,Duo v1的技术报告、训练代码和模型权重均已开放,开发者可以下载模型权重,在此基础上进一步拓展。

来源

  • zhidx.com↗
带入研究 →
登录 / 注册
阅读研究雷达投资体系