SolarWM：面向长时域视频世界模型的开放数据与可扩展训练
SolarWM 是一个完全开放的视频世界模型基础平台，覆盖从数据准备到长时域推理的完整流程。其数据引擎将来自 10 个数据集的 143 万个标准化视频片段转换为统一的逐帧对齐格式，涵盖视觉观测、度量相机几何、字幕、质量元数据、筛选决策和数据来源。统一的相机条件控制、训练和推理接口支持 4 个基于 Wan2.2、LTX-2.5 和 MiniMax-H3 的模型，参数规模为 50 亿至 330 亿，同时保留各自的原生表示和训练目标。通过三阶段训练方案，模型在仅使用 5 秒序列训练的情况下，可在持续数分钟至数小时的 rollout 中实现实时交互。项目将公开数据、处理流程、训练方案、模型权重和框架，以支持可复现、可扩展的世界模型研究。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。