# 英伟达和清华的 γ-World 把世界模型从单机改成了联机，登顶 HuggingFace 日榜

> 原标题：登顶HuggingFace日榜！英伟达清华团队γ-World：把世界模型从单机打到联机

- 来源：机器之心 · 公众号
- 发布时间：2026-05-30T02:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30671
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651035907&idx=1&sn=cd65e6a8e2619188409acb7a14b19812

## 摘要

这篇推文本身因为微信环境验证没抓到正文，我只能根据已有的英文摘要和标题来还原。γ-World 是一个多智能体世界模型，核心是把多个 AI 角色放在同一个虚拟环境里互动。它用了一种叫“单纯形位置编码”的方法和 hub token 机制，把多个智能体之间的交互计算成本从平方级降到了线性级。说人话就是：以前每加一个角色，系统要算它和所有其他角色的关系，开销涨...

## 推荐理由

我会先打个折：这是研究发布，还没看到大规模落地验证，但技术点够具体。Gamma-World 解决的是多个 AI 同时在一个世界里交互时计算量爆炸的问题，用正单纯形位置编码让每个智能体知道彼此位置，再靠 hub token 汇总信息，把原本 O(n²) 的复杂度压到 O(n)。8 个玩家延迟压到 4.5ms 这个数挺实在，说明小规模场景已经能跑顺。不过正文没披露更多玩家数下的表现，这点先别太激动。整体属于有干货、有数字、方向对路的研究，给 featured 合理。

## 锐评

这条消息最值得看的是成本控制思路。γ-World 用“单纯形位置编码”和 hub token，把多智能体交互的计算量从平方级砍到线性级。翻译成人话：以前每加一个角色，系统要算它和所有其他角色的关系，角色一多开销就爆炸；现在相当于给每个角色发了个坐标，再设几个信息中转站，大家不用互相盯着看了。8个玩家场景下延迟从 17.6 毫秒降到 4.5 毫秒，这个数字如果属实，意味着实时多角色模拟在消费级显卡上也能跑。

但得先打个折。微信原文因为环境验证没抓到，我只能根据英文摘要和标题还原，论文里具体怎么实现、在什么硬件上测的、有没有开源代码，这些关键信息都缺。另外，线性复杂度听起来很美，但 hub token 会不会成为新瓶颈、角色数量再往上加效果如何，正文没披露。如果是真的挺省钱，但这点先别太激动，等看到完整论文再说。