📅 本期为 ArXiv 2026-09-07（Mon, 7 Sep）公告批次的补遗三（该批次去重后 415 篇候选）。截至北京时间 2026-09-09 06:00，arXiv 网页端最新公告仍停在 Mon, 7 Sep，各分类当日条数与上一期一字不差（cs.CV 110 / cs.RO 41 / cs.AI 205 / cs.LG 137 / cs.GR 5 / cs.MM 7），且 ID 前沿探测显示 2609.05500 起全部 404 —— 周二投稿尚未分配编号，本期如实说明、不重复出同一天。 ...
来源：量子位（克雷西（发自 凹非寺）） · 2026-09-08 · 原文链接 分类：技术发布 / 工业具身智能（主线强相关：ActiWorld 直接对话"未来信息形态"线索） ...
📅 本期覆盖 ArXiv 2026-09-07（Mon, 7 Sep）公告批次（共 415 篇去重后候选），共 8 篇。本期主线是世界模型从「生成得像」转向「可控且物理可信」：一方把确定性仿真器前置为世界状态的裁决者，视频生成只负责把已确定的物理轨迹渲染成观测；另一方则在潜空间里追问「表征是否真的编码了物理量」，用频谱目标直接治理 JEPA 类模型的物理表征惰性。触觉被正式纳入世界—动作模型的闭环，VLA 的评测与后训练则同时向「复杂度诊断」和「真机在线 RL」两端拉开。 ...
📅 本期精选来自 2026-09-04 ArXiv 最新论文，聚焦世界模型从"预测未来帧"走向"显式建模世界状态"的范式迁移：物理/几何/外观被提升为可联合建模的原生状态，相机可控性成为跨越生成与控制的统一接口，想象力本身开始被"调度"以压缩 VLA 后训练成本，而 3D 记忆与 4D 分解则分别在长程一致性与空间推理上给出新的可验证约束，共 8 篇。 ...
📅 本期精选来自 2026-09-02 ArXiv 最新论文，聚焦相机可控视频生成的度量尺度失效问题、视频预训练向世界动作模型的规模化兑换、大型视频生成器"零新增动作模块"转化为可交互世界模型、世界模型训练目标的监督重分配、界面世界模型与少步蒸馏，以及 VLA 从"输出动作"走向"组织可复用抽象"，共 8 篇。 ...
📅 本期精选来自 2026-09-01 ArXiv 最新论文，聚焦世界模型从"单向仿真"走向"可重组、可闭环、可验证"、实时流式交互生成的两阶段蒸馏、VLA 的免训练加速与 4D 表征对齐、VLM 空间智能的导航化落地，以及具身世界模型的 3D 评测基准，共 8 篇。 ...
📅 本期精选来自 2026-08-31 ArXiv 最新论文，聚焦世界模型的数据引擎与分布级评测、城市尺度空间智能、流匹配与 VLA 蒸馏、世界动作模型、长程视频记忆以及执行期触觉反馈等核心方向，共 8 篇。 ...
来源：量子位（QbitAI）（克雷西） · 2026-08-31 · 原文链接 分类：行业动态 一句话概括 MiniMax 联合 fal 推出的 H3 Max 把 5 秒 768p 视频的生成压到 3 秒以内（吞吐约为原版 H3 的 35 倍），生成终于快过播放，直接催生了「无主播、观众点播、AI 现做」的直播新形态——视频生成赛道的竞争维度，正从画质转向速度与生态黏性。 ...
📅 本期精选来自 2026-08-28 ArXiv 最新论文，聚焦视频扩散模型规模化、生成式几何估计、长视频一致性、世界模型、VLA 与机器人操作等核心方向，共 8 篇。 📄 论文精选 How Far Can 5,500 Hours of Driving Take You? A Scaling Law Analysis of Video Diffusion Models 链接： https://arxiv.org/abs/2608.28404 ...
📅 本期精选来自 2026-07-02 ArXiv 最新论文，聚焦世界模型、3D生成、扩散模型、具身AI与机器人学习等核心方向，共 8 篇。 📄 论文精选 World from Motion: Generative Dynamic Gaussian Reconstruction from Monocular Video 链接： https://arxiv.org/abs/2607.01202 一句话总结： NVIDIA 提出 World from Motion，用视频生成模型从单目视频生成可自由渲染的高质量动态 3D Gaussian 场景，实现 4D 重建 SOTA。 ...