Vibe Minecraft: ein Mehrspieler-, konsistentes, Echtzeit-Weltmodell, das den Bau von allem und das Beschwören beliebiger Objekte ermöglicht. Die Funktion von Werkzeugen und sogar die Spielmechanik selbst können durch natürliche Sprache programmiert werden, wie zum Beispiel "Chrono-Pickaxe: setze jeden Block in einen vorherigen Zustand zurück" und "Wasserfälle verwandeln sich in Regenbogenbrücken, wenn Einhörner vorbeigehen". Die Spieler definieren und manipulieren gemeinsam eine geteilte Welt. Die neuronale Simulation nimmt als Eingabe einen *multimodalen* Systemprompt: Spielregeln, Asset-PNGs, eine globale Karte und Ostereier. Sie speichert regelmäßig den Spielzustand als eine Sequenz von latenten Vektoren, die wieder in den Kontext geladen werden können, optional mit eingestreuten "Leittexten", um eine einfache Bearbeitung zu ermöglichen. Jeder Spieler hat sein eigenes explizites Stat-JSON (Gesundheit, Inventar, 3D-Koordinate) sowie implizite "Spielervektoren", die die Interaktionsgeschichte höherer Ordnung erfassen. Spieladministratoren können ein Minecraft-Multiversum erstellen, da die latenten Vektoren von verschiedenen Servern kompatibel sind. Jede Welt kann nahtlos mit einer anderen kreuzen, um in Sekundenschnelle neue Welten zu erschaffen. Die Menschen können mit den vergangenen Zuständen ihrer Freunde oder ihren eigenen mischen und kombinieren. "Seltene Vektoren" können entstehen, da einige Spieler unvermeidlich in den bizarren, unerforschten latenten Raum des Weltmodells wandern würden. Diese schwebenden Matrizen können als NFTs gehandelt werden. Je wilder die Dinge sind, die du ausprobierst, desto wahrscheinlicher ist es, dass du seltene Vektoren abbaust. Wer auch immer Vibe Minecraft zuerst veröffentlicht, wird in die Geschichte eingehen, da er den Verlauf des Spielens für immer verändert.

Ich würde gerne das FSD Scaling Law sehen, da es das einzige physische Datenflywheel im planetarischen Maßstab ist. Was ist die "emergent ability threshold" für Modell-/Datengröße?

Dies ist die Spiel-Engine 2.0. Eines Tages wird die gesamte Komplexität von UE5 von einem datengestützten Blob von Aufmerksamkeitsgewichten absorbiert. Diese Gewichte nehmen die Eingaben von Spielcontroller-Befehlen und animieren direkt einen Raum-Zeit-Bereich von Pixeln. Agrim und ich waren enge Freunde und Co-Autoren im Stanford Vision Lab. Es ist großartig, ihn an der Spitze solcher spannenden Forschung zu sehen! Herzlichen Glückwunsch!