Google DeepMind的Genie 4为LLM之前的智能体设计注入现代元素
decoder ·
Google DeepMind 推出了 Genie 4，这是一种实验性交互世界模型，能够实时逐帧模拟环境。与之前的版本不同，这一迭代在生成视觉元素的同时，直接生成匹配的背景音频和角色对话。Gemini 模型在后台运行，用于规划多步骤任务，并通过文本提示或键盘输入确保用户在互动过程中模拟的连贯性。该系统允许动态变化，例如改变天气条件，同时角色会对环境和用户行为做出自然反应。尽管取得了这些进展，该模型目前仍难以处理长时间会话、复杂物理现象以及物体持久性问题。访问权限最初仅限于部分测试人员，随后计划扩展至 Google AI Ultra 订阅者和 API 合作伙伴。所有生成的内容都将包含不可见的 SynthID 水印，以标识其人工智能来源。这项技术代表了迈向混合世界模型的一步，旨在将语言推理与像素级模拟相结合，用于未来的机器人训练。
decoder