阿赖耶世界：长视可玩的视频世界生成

传统上，游戏世界是通过劳动密集型生产流程构建的，这使得它们的开发成本高昂，难以定制，并且部署后修改成本高昂。视频世界模型的最新进展提供了一种根本不同的范式。这些模型不是明确地创作虚拟环境的每个组件，而是根据当前世界状态和用户交互自动回归综合未来的观察结果，从而能够在线生成可玩的世界。经过游戏录制和现实视频的训练，它们可以捕捉不同的视觉外观和物理动态，为游戏之外的交互式应用（包括体现智能）开辟了新的机会。在本文中，我们提出了 \textbf{AlayaWorld}，一个用于构建交互式生成世界的全栈开源框架。阿赖耶世界支持开放式实时交互，让用户可以自由导航并执行战斗、施法、召唤怪物等多种动作。该框架将从数据准备模型架构、模型训练、推理加速到部署的完整开发统一在模块化和可扩展的架构内。除了该框架之外，我们还发布了可复制的管道、参考实现、评估工具和全面的文档，为生成世界模型的未来研究和实时应用奠定了实践基础。