智源悟界·RoboBrain Orca：从预测下一个词到预测世界状态，探索多模态世界模型

智源研究院悟界·RoboBrain Orca团队发布技术报告《Orca: The World is in Your Mind》，提出一种多模态世界模型，旨在让AI学习统一的世界状态表征，而非仅预测单一模态输出。Orca通过无意识学习（连续视频）和有意识学习（事件标注、语言问答）两种模式，利用12.5万小时视频、1.6亿事件标注和1150万条VQA数据训练，构建可扩展的世界潜空间。实验表明，随着预训练数据规模增加，模型损失持续下降，且冻结主干后通过轻量读出模块在文本理解、图像预测和机器人控制任务上表现提升。Orca已登上Hugging Face Daily Papers月度榜单，引发海外研究社区对世界模型方向的讨论。