英伟达发布了一款名为Cosmos的世界基础模型（World Foundation Model），它能理解和模拟物理世界。比如，理解重力、摩擦、惯性、几何和空间等基本物理概念。光是训练它的这种能力，英伟达就用了2000万小时的视频数据。此外，Cosmos模型不但能接受文本和图像提示，还能接受视频输入。技术上，Cosmos结合了多种模型架构：
• 自回归模型（Autoregressive Models），用于序列预测；
• 扩散模型（Diffusion Models），用于高质量数据生成；
• 分词器（Tokenizers），帮助处理和理解输入内容。
令人激动的是，目前Cosmos已在GitHub开放，供开发者自由使用，甚至是商用。未来，Cosmos模型有望在机器人、工业自动化、数字人和合成数据等领域产生深远影响。
参考文献：
[1] https://github.com/NVIDIA/Cosmos
（文：NLP工程化）