슈야오 샹, 왕위치, 가오뤄펑, 쉬천, 톄뉴 탄, 뤼판, 장자오샹 연구진은 Jul 30 PhiZero를 공개했고, 해당 논문은 taesiri가 Jul 31 Hugging Face Papers에 제출했다. PhiZero는 세계 상태 전이를 압축된 이산 표현으로 나타내는 'physical language'를 중심으로 설계된 물리 세계 모델로 설명된다. Hugging Face 페이지는 147 upvotes를 표시하며, 해당 연구를 arxiv:2607.28624로 식별한다.

저자들은 기존 물리 세계 모델이 보통 미래 영상을 픽셀 공간에서 직접 예측해, 세계 동역학이 고차원 시각 예측기 내부에 암묵적으로 남는다고 설명했다. 이에 비해 PhiZero는 실제 환경에서 촬영된 영상에서 자기지도학습(라벨 없이 데이터 패턴 학습)으로 physical language를 학습하며, 이를 통해 물리 세계가 어떻게 변화하는지 명시적으로 추론할 수 있다고 밝혔다.

PhiZero는 'reason-then-render' 패러다임을 사용한다. 먼저 미래의 세계 변화를 physical-language 시퀀스로 추론한 뒤, 추론된 전이를 영상으로 렌더링한다. 저자들은 생성 및 이해 벤치마크 전반의 광범위한 실험이 PhiZero가 물리적으로 일관된 세계 변화를 모델링할 수 있음을 검증했다고 밝혔지만, 초록은 구체적인 벤치마크 점수를 제시하지 않았다.

논문은 또한 PhiZero가 사실적이고 상호작용적인 세계 모델링, 세밀한 행동 조건부 시뮬레이션, 제로샷 모션 전이(작업별 훈련 없이 움직임 적용)에 잠재력이 있다고 주장했다. Hugging Face는 해당 논문을 인용한 models 0개, datasets 0개, Spaces 0개와 이를 포함한 collections 2개를 표시했다.

슈야오 샹, 왕위치, 가오뤄펑, 쉬천, 톄뉴 탄, 뤼판, 장자오샹 연구진은 Jul 30 PhiZero를 공개했고, 해당 논문은 taesiri가 Jul 31 Hugging Face Papers에 제출했다. PhiZero는 세계 상태 전이를 압축된 이산 표현으로 나타내는 'physical language'를 중심으로 설계된 물리 세계 모델로 설명된다. Hugging Face 페이지는 147 upvotes를 표시하며, 해당 연구를 arxiv:2607.28624로 식별한다.

저자들은 기존 물리 세계 모델이 보통 미래 영상을 픽셀 공간에서 직접 예측해, 세계 동역학이 고차원 시각 예측기 내부에 암묵적으로 남는다고 설명했다. 이에 비해 PhiZero는 실제 환경에서 촬영된 영상에서 자기지도학습(라벨 없이 데이터 패턴 학습)으로 physical language를 학습하며, 이를 통해 물리 세계가 어떻게 변화하는지 명시적으로 추론할 수 있다고 밝혔다.

PhiZero는 'reason-then-render' 패러다임을 사용한다. 먼저 미래의 세계 변화를 physical-language 시퀀스로 추론한 뒤, 추론된 전이를 영상으로 렌더링한다. 저자들은 생성 및 이해 벤치마크 전반의 광범위한 실험이 PhiZero가 물리적으로 일관된 세계 변화를 모델링할 수 있음을 검증했다고 밝혔지만, 초록은 구체적인 벤치마크 점수를 제시하지 않았다.

논문은 또한 PhiZero가 사실적이고 상호작용적인 세계 모델링, 세밀한 행동 조건부 시뮬레이션, 제로샷 모션 전이(작업별 훈련 없이 움직임 적용)에 잠재력이 있다고 주장했다. Hugging Face는 해당 논문을 인용한 models 0개, datasets 0개, Spaces 0개와 이를 포함한 collections 2개를 표시했다.