蚂蚁集团发布 LingBot-World-Infinity 14B 因果世界模型

蚂蚁集团机器人团队 Robbyant 发布了 LingBot-World-Infinity（即 LingBot-World 2.0），这是一个 14B 参数的因果视频生成模型，可视为交互式世界模拟器。其核心创新是混合双向自回归注意力掩码（MoBA），并结合在长自生成轨迹上的分布匹配蒸馏，旨在解决大多数交互式世界模型中出现的纹理模糊和几何变形等长程漂移问题。模型还配备了一个导演-飞行员智能体框架：由 VLMon提出事件，扩散 Transformer 负责渲染。论文展示了一次连续 60 分钟、覆盖 20 个场景的会话。 此次发布相对精简：仅提供了一个检查点、一个 480P 参考脚本，没有部署代码和定量基准，且采用非商业性的 CC BY-NC-SA 4.0 许可证。对于研究因果世界模型和具身智能的团队来说，该模型提供了一个新的开源基线，但其有限的发布形式意味着复现和进一步开发需要一定的工程投入。