StatePlay指出，游戏世界模型不能只追求像素级真实，还必须预测生命值、技能计量和计时器等内部状态。论文采用混合Transformer架构，分别建模视觉与状态并进行跨模态交互，在状态预测中取得低于0.06的平均归一化L1距离，使生成游戏回放的机制保真度提升18.6%。
最近 24 小时暂无可用热度快照。