正文
不仅如此，该团队也宣布将会开源与该研究成果相关的一切，包括代码、数据、权重、架构和研究。另外，Enigma Labs 也发布了一篇技术博客，介绍了 Multiverse 背后的一些故事和技术。
-
GitHub：https://github.com/EnigmaLabsAI/multiverse
-
Hugging Face：https://huggingface.co/Enigma-AI
-
技术博客：https://enigma-labs.io/blog
团队介绍
该团队来自以色列，成员包括以色列的前 8200 部队成员以及一些领先的创业公司成员，拥有丰富的研究和工程开发经验，涵盖漏洞研究、算法、芯片级研究和系统工程。
他们写到：「我们秉持第一性原理思维，解决了 AI 生成世界中的一项开放性挑战：多人世界模型。」
Multiverse 架构解读
单人游戏架构回顾
要了解多人世界模型的架构，首先回顾一下单人世界模型中使用的现有架构：
该模型接收视频帧序列以及用户的操作（如按键），并利用这些信息根据当前操作预测下一帧。
它主要由三个部分组成：
多人游戏架构
为了构建多人游戏世界模型，该团队保留了上面的核心构建模块，但对结构进行了拆解 —— 重新对输入和输出进行了连接，并从头开始重新设计了训练流程，以实现真正的合作游戏：
-
动
作嵌
入器
——获取两个玩家的动作，并输出一个代表它们的嵌入；
-
去噪网络
——一个扩散网络，它能基于两个玩家之前的帧和动作嵌入，以一个实体的形式同时生成两个玩家的帧；
-
上采样器
——此组件与单人游戏组件非常相似。不过这里的上采样器会分别接收两个玩家的帧，并同时计算上采样后的版本。
