arXiv cs.AI· Renjie Zhao, Yuxiang Wu, Mingyu Zhang, Jiaxin Li, Sisi Li, He Li, Yimin Sheng, Tianxi Tan, Zhenkai Zhang, Jiao Liang, Jianyi Zhu, Yong-Lu Li·· 11 小时前AI 评分38
Khora：支持推理时任意数量智能体的可扩展多智能体世界模型
Population-Scalable Multi-Agent World Modeling across Scene Geometries
AI 导读
研究者提出 Khora，一个可扩展多智能体世界模型，支持在推理时扩展到任意数量智能体而无需重新训练。该框架将世界状态演化与视觉渲染解耦，通过共享世界状态而非视频生成器内的密集交互维持跨视角一致性，实际扩展随查询视角数近似线性。定性实验显示其可泛化到未见过的智能体数量，并已实现实时交互系统演示开放世界模拟。
正文 · AI 翻译
作者：Renjie Zhao、Yuxiang Wu、Mingyu Zhang、Jiaxin Li、Sisi Li、He Li、Yimin Sheng、Tianxi Tan、Zhenkai Zhang、Jiao Liang、Jianyi Zhu、Yong-Lu Li
摘要：世界模型近期在视觉预测与交互式生成方面取得了令人瞩目的进展，但将其扩展到多智能体环境会带来根本性的可扩展性挑战。现有方法通常假设训练和推理期间智能体数量固定，这使模型受限于预先确定的智能体规模，并限制了推理时的可扩展性。我们的关键洞见是：跨视角一致性应源于一个共享的世界状态，其演化不假设预先定义的智能体数量；而各智能体特有的观测应通过统一的渲染接口查询该状态来生成。基于这一洞见，我们提出 Khora，一种可扩展的多智能体世界模型，支持在推理时扩展到任意数量的智能体而无需重新训练。我们的框架将世界状态演化与视觉渲染解耦，并引入一种与智能体数量无关的渲染机制来融入其他智能体信息。该设计通过共享世界状态而非在昂贵的视频生成器内部通过观测流之间的密集交互来维持跨视角一致性，从而在查询视角数量上实现近似线性的实际扩展。定性实验表明，我们的方法能够泛化到未见过的智能体数量，同时保持视觉质量和多智能体一致性。我们进一步实现了一个实时交互系统，以展示可扩展的开放世界模拟。
| 评论： | 技术报告。项目页面：this https URL。在线演示：this https URL |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI)；机器学习 (cs.LG) |
| 引用为： | arXiv:2608.08600 [cs.CV] |
| （或本版本的 arXiv:2608.08600v4 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2608.08600 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mingyu Zhang [查看邮箱]
[v1]
2026年8月9日周日 09:26:15 UTC (20,021 KB)
[v2]
2026年8月17日周一 08:23:48 UTC (20,103 KB)
[v3]
2026年8月24日周一 03:33:59 UTC (20,103 KB)
[v4]
2026年11月5日周四 13:13:10 UTC (32,870 KB)
来源：arXiv cs.AI · arxiv.org