Duo v1双向世界模型
3 节点1 篇3 来源
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了双向世界模型(Reciprocal World Model,RWM)Duo v1。该模型将智能主体与物理现实纳入同一框架,区别于传统仅模拟环境供外部控制的世界模型,Duo v1使虚拟主体能持续接收实时音视频输入,并自主决定何时开口、倾听或打断。模型由Intent(意图)和Realization(实现)两个紧密耦合的模块组成:Intent负责在约0.7秒的时间块内进行认知推理和交互决策,Realization则生成同步的视听响应。在30组真实交互场景的人类评估中,Duo v1在180项检查中通过率为93.3%,其中语言遵循性、语音可懂度和视觉身份稳定性均达到100%,但内容响应度仅为73.3%,仍是当前版本的主要挑战。目前,其技术报告、训练代码和模型权重均已公开。
事情怎么走到这一步
研究团队向arXiv提交论文《Duo: A Reciprocal World Model for Full-Duplex Interaction》,正式提出双向世界模型概念。
arxiv.org ↗蚂蚁集团与西湖心辰在GitHub和Hugging Face上正式发布Duo v1,提供模型权重、推理代码及流式处理管线。
github.com ↗智东西等媒体报道Duo v1的公开发布及其开源状态,详述其架构与评测结果。
zhidx.com ↗
还没定论的部分
- 后续版本将如何解决当前内容响应度(73.3%)较低的问题?
- 计划中的Duo v2在直接视觉交互条件化方面会有哪些具体改进?