（来源：上观新闻）
具体架构🇦🇬🏘要素： 编码🐉器 E_θ：V🐞iT-L/H/🥴🚲g（300🇻🇳🚴♀️M–1B🐁 参数），把视频🔎切成 2×16×⚜🚴♀️16 的 t🇫🇮ube🧺📡let 预测器🇲🇦 P_φ：🥛🙆一个轻量 📹🖇ViT🔦-S（约 2⌨🏜2M）预🏗测被 💞🕵mask 部分🏌👸的潜空间表征🇧🇸🆖 使用 ⬆色图图片区3D-RoPE 🇪🇪位置编码（时🇳🇴🇹🇯间+H+🧾W） 约 90%🙊⚡ 的高 m🇦🇶🦵ask 比率，L🇨🇭1 损失，EM🔉💂A teac🧘♂️her 🧒防止表征坍塌 训🏭👯♂️练数据🇬🇱🇷🇴 Vide🇪🇺🇳🇫oMix22M 😎👙= 2200 万👩🏭视频 ≈✍ 100 🇪🇸万小时互联网视🇧🇾频 在 So⚪methi🇧🇫ng-So🇷🇪🧼methin🐢😱g v2🖼🙆 取得 77.⬇🍽3% top🕖-1（🥽运动理解👩👩👧🚫），Epic-📥🎄Kitchen🥫🚱s-10😃⛹️♀️0 动作预测⚾🗂 39.🤑↔7 R@5（🚊🔂SOTA📪） 为什么像素🥬重建不适合⏲碰撞预测，而潜📄空间预6️⃣🗄测适合？像🇴🇲🤖素重建优化的是"👹🇹🇻下一帧长什♐🕗么样"（🉑视觉保真👹度），潜🇿🇦⏺空间预测优🚈化的是🇬🇫⬅"下一帧的抽🚲🤺象语义/物👨🚀理状态2️⃣"（物理因果📲🏚）🛄👩💻。
举个例子，行业🔌🍒老大先推出🇳🇪🧔产品，老二可能晚◻⛎半年推，策略🙀是价格便宜点、🥄供应链差一点、👨🚒🉑员工薪资低一🇵🇬🥧点，但这➗🇪🇪个循环导致🦁它被锁死在第🔡色图图片区二名的位置🇬🇳💚。
“突破性”： 机⬜器人打🔷🎈破人类半马纪录，🦌更大意义在别⚾处 ▲🏢☯色图图片区机器人在奔跑⏮🏺色图图片区中 机器人打🇯🇴破人类半程马拉松🐕世界纪录，这🤸♂️➕是今天🛤🙊许多人讨论👚🇳🇵的焦点🇲🇷👩🦲。
