NVIDIA Meluncurkan Gamma-World, Model Multi-Agen Mendukung Kolaborasi 4 Pemain pada 24 FPS

ME AI melaporkan, menurut pemantauan Beating, para peneliti dari NVIDIA bekerja sama dengan Universitas Tsinghua, Universitas Toronto, dan Vector Institute telah memperkenalkan model dunia generatif multi-agents bernama Gamma-World, yang mengatasi batasan jangka panjang dalam simulasi lingkungan virtual yang sebelumnya terbatas pada interaksi satu atau dua orang. Tim saat ini telah merilis halaman proyek dan makalahnya, sementara kode dan bobot direncanakan akan dirilis sebagai open source dalam waktu dekat. Model ini memperkenalkan dua mekanisme: generalisasi dimensi tinggi dari positional encoding rotasi dan token perantara informasi, yang memungkinkan beberapa pemain dikendalikan secara independen sekaligus pertama kalinya mencapai generalisasi nol-sample langsung dari dua pemain menjadi empat pemain tanpa perlu pelatihan ulang. Tantangan utama dalam model dunia multi-pemain adalah memastikan setiap pemain dapat dikendalikan secara independen tanpa konflik tindakan. Tim peneliti merancang Simplex Rotary Agent Encoding, yang memperluas positional encoding rotasi (RoPE) klasik ke ruang sudut multidimensi. Pendekatan baru ini memberikan simetri fisik yang sepenuhnya setara kepada semua pemain, sehingga tidak lagi bergantung pada nomor pemain tetap, dan memungkinkan referensi serta kontrol independen yang lebih alami. Untuk mencegah peningkatan kuadratik dalam beban komputasi akibat penambahan pemain, solusi ini memperkenalkan mekanisme Sparse Hub Attention. Sistem menggunakan token pusat yang dapat dipelajari untuk mentransmisikan informasi interaksi, berhasil mengurangi biaya perhitungan perhatian antar pemain hingga tingkat linier. Dalam hal kecepatan generasi, tim mendistilasi guru model difusi berlatensi tinggi menjadi siswa model kausal, yang dikombinasikan dengan key-value cache (KV Cache) untuk menghasilkan respons aksi real-time sebesar 24 frame per detik (24 FPS). Evaluasi pada lingkungan game multi-pemain menunjukkan bahwa model baru ini secara signifikan unggul dibandingkan jaringan slot-based dan dense attention tradisional dalam hal realisme visual, kontrol respons aksi, serta konsistensi antar pemain. (Sumber: BlockBeats)