关于我

我是李业,浙江大学软件工程专业 2023 级本科生,研究 agent 驱动的 code world model 范式:由 coding agent 用代码维护世界状态、推演事件和物理,再交给视频模型渲染成画面。我关心的问题是:视频生成怎样既可控、又能维持世界的状态——让谁站在哪、朝哪看、做什么,就拍成什么样;镜头切走再切回来,场景和人物还在原处;物体下落、碰撞,过程合乎物理。

作为共同第一作者,我完成了 ATAS——为多镜头视频生成维护可检索的场景记忆与事件记忆,获 Hugging Face Daily Papers 当日第 2 名;以及 UniRLM——把图文交错生成的长上下文拆成只带直接依赖的短调用。作为学生二作(代码实验主力)共同完成了 ReCA(把几分钟的长视频生成看作上下文分配问题)和 Gen-RSI(借助 Blender 物理仿真修正生成结果,再蒸馏回视频生成器)。

动态

研究项目

* 表示共同第一作者;† 表示通讯作者