Hugging Face发布HOLI-WORLD：构建基于人类自我中心体验的全面世界智能系统

摘要：Hugging Face推出HOLI-WORLD，这是一套基于人类自我中心体验构建全面世界智能的生态系统。该系统通过整合体验捕捉、世界表示、自动化数据构建、模型学习和独立评估，实现了从场景结构、对象语义到交互历史的跨视角、跨时间连接，减少了对昂贵人工标注的依赖。HOLIWORLD-Foundry利用静态和动态感知自动构建世界记录，HOLIWORLD-Data则将这些记录组织成学习资源，支持大规模学习。实验表明，HOLIWORLD-VL-4B在多个基准测试中表现出色，尤其是在空间和时间推理方面显著提升。HOLI-WORLD为从人类经验流中扩展学习资源提供了实用基础，推动了机器对动态世界的理解。

---

1. 引言

Hugging Face发布的HOLI-WORLD旨在通过整合人类自我中心体验，构建一个全面理解世界的智能系统。该系统解决了传统方法中对昂贵人工标注的依赖，通过自动化数据构建和跨视角、跨时间的数据连接，实现了更高效的学习资源生成。

2. 系统架构与核心机制

HOLI-WORLD由以下几个核心组件构成：

• HOLIWORLD-Foundry：结合静态和动态感知技术，自动构建世界记录。这些记录连接了场景结构、对象状态和交互历史。
• HOLIWORLD-Data：将收集到的场景数据组织成结构化的学习资源，包括约80K个问答对，用于训练HOLIWORLD-VL-4B模型。
• HOLIWORLD-Bench：基于独立人工标注的评估基准，用于测试模型的空间和时间理解能力。

3. 技术创新与性能表现

HOLI-WORLD通过以下技术创新实现了性能突破：

• 自动化数据构建：减少了对人工标注的依赖，提升了数据处理效率。
• 多模态感知融合：静态和动态感知的结合，使模型能够更全面地理解世界。
• 高效学习资源生成：HOLIWORLD-Data将原始数据转化为高质量的学习资源，支持大规模学习。

实验结果表明，HOLIWORLD-VL-4B在ScanNet、ScanNet++、Aria Digital Twin和HOLIWORLD-Bench等基准测试中表现出色，尤其是在空间和时间推理方面，训练后的模型性能显著提升。

4. 工程权衡与实际应用

HOLI-WORLD的优势在于其高效的数据处理和模型训练能力，但同时也面临以下挑战：

• 数据质量依赖性：尽管减少了人工标注的需求，但数据质量仍然对系统性能有重要影响。
• 计算资源需求：大规模数据处理和多模态感知融合需要较高的计算资源。

对于开发者而言，HOLI-WORLD提供了一个强大的框架，可以用于构建基于人类体验的智能系统，特别是在需要高效数据处理和多模态融合的场景中。

5. 结论

HOLI-WORLD为从人类经验流中扩展学习资源提供了实用基础，推动了机器对动态世界的理解。其在多模态感知融合和自动化数据构建方面的创新，为AI领域带来了新的思路和方法。

---

消息来源：Hugging Face Daily Papers (2026-10-19)

—— 完 ——

主题标签： #Hugging Face 关注 #多模态感知 关注 #世界模型 关注 #自动化数据构建 关注 #HOLI-WORLD 关注