WorldFoundry 揭示：用于生成世界模型的开源框架

在 2026-11-10，上由 Juanxi Tian、Jiadong Hou 和 Baiang Li 领导的研究人员发布了一篇开创性论文，标题为《WorldFoundry：走向世界智能的统一基础设施》，发表于 arXiv。该项目同样在 HuggingFace 每日论文中报道，介绍了 WorldFoundry，这是一个旨在标准化和推动生成世界模型评估的开源框架。该倡议已获得社会的显著关注，在 HuggingFace 上获得了 53 赞成票，并在发布的第一​天就有超过 100 个 GitHub 明星。

解决生成世界建模中的挑战

生成世界模型旨在模拟具有持久状态、物理动态和因果一致响应的环境。然而，当前模型往往未能达到这些目标，主要关注视觉可信性，而未能确保时间连贯性或动态可预测性。WorldFoundry 通过将生成世界模型定义为能够维护历史条件表示、对干预做出响应更新状态并生成在观察和反事实场景下连贯轨迹的预测动态系统，来解决这些局限性。

WorldFoundry 的关键特性

WorldFoundry 提供了一个统一的基础设施，用于在视频、3D/4D 重建、体现行为和互动系统之间进行可重复推理和评估。其核心特性包括：

• 模型和基准目录：一个 270 模型条目、74 基准和 62 注册指标的库，每个都有明确的准备和执行证据。
• 统一推理：支持 CLI、终端 UI 和基于浏览器的 Studio 工作流程，实现无缝模型执行和评估。
• 文物管理：持久文物合同和证据意识评分卡可确保可追溯的评估声明。
• 交互式可视化：通过集成可视化工具检查作业状态、生成的媒体和几何。

技术规格和社区参与

WorldFoundry 针对配备 NVIDIA CUDA 功能的 Linux 平台进行优化，要求 CUDA 12.8+ 驱动程序。该框架支持根据特定模型需求定制的模块化环境，详细文档可在其 GitHub 仓库 中获得。该项目鼓励通过 GitHub 明星、错误报告和功能请求来进行社区贡献，同时通过 Slack、Discord 和 WeChat 群组促进协作。

对人工智能研究的影响

通过实现跨异构系统的可重复比较，WorldFoundry 在生成世界建模领域代表了重要的进展。其对可追溯证据和标准化基准的强调将学科的进步从感知合成推进到可测量的世界智能。