英伟达清华团队提出Gamma-World：世界模型从「一个人玩」到「多人共处」
量子位4090 字 (约 17 分钟)
92
Gamma-World通过正单纯形编码与稀疏枢纽注意力，系统解决多智能体世界建模架构缺陷，FVD平均下降超40%，支持双人训练四人零样本泛化及24 FPS实时推演。
入选理由：采用正单纯形（regular simplex）编码玩家身份，实现任意玩家间几何等距，支持零样本扩展至更多玩家且无需重训
精选文章#世界模型#多智能体#Transformer#NVIDIA#清华中文
概念
什么是 Sparse Hub Attention？
Gamma-World提出的稀疏注意力拓扑，通过枢纽token实现线性复杂度跨智能体通信。
为什么现在值得关注？
最近变化
2026-05-30 · 采用正单纯形（regular simplex）编码玩家身份，实现任意玩家间几何等距，支持零样本扩展至更多玩家且无需重训
Sparse Hub Attention 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
📰 Sparse Hub Attention 最新动态
已收录 2 篇与「Sparse Hub Attention」相关的 AI 资讯和分析。
英伟达清华团队提出Gamma-World：世界模型从「一个人玩」到「多人共处」
量子位4090 字 (约 17 分钟)
92
Gamma-World通过正单纯形编码与稀疏枢纽注意力，系统性解决多智能体世界建模难题，实现2人训练→4人零样本泛化与24 FPS实时推演，FVD平均下降超40%。
入选理由：采用正单纯形（regular simplex）编码实现玩家身份等距、无参数、可扩展，支持训练时2人→推理时4人零样本泛化
精选文章#世界模型#多智能体#Transformer#NVIDIA#清华中文
🔗 相关术语
与「Sparse Hub Attention」经常一起出现的 AI 术语。
💡 想追踪「Sparse Hub Attention」的长期趋势？去 实体雷达 · Sparse Hub Attention 查看详细分析和跨材料问答。