交互式游戏世界模型通常直接在像素或潜在空间中自动回归视觉观察，迫使结构化属性（如姿势、几何形状和遮挡）由相同的生成序列隐式维护。在漫长的视野中，这些潜在的世界属性中的错误不断累积，使得一致性和可控性变得脆弱。我们明确地对不断变化的世界状态进行建模

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.14530v1)获取最准确的信息。

---
🔗 **原文链接**: [Marionette: Predicting World States, Rendering Geometry, Pai](https://arxiv.org/abs/2608.14530v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Zian Meng, Zhen Li, Chuanhao Li, Qiang Li, Kaipeng Zhang

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-17 14:01