**LingBot-Video：基于MoE架构的具身智能视频预训练新范式**

_Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence_

> 针对现有视频生成模型在物理现实性和计算效率上的不足，HuggingFace社区推出开源模型LingBot-Video。该模型采用DiT架构与混合专家（MoE）技术，结合机器人操作数据与多维奖励系统，实现了视觉保真度与物理合理性的平衡，为具身智能提供了高效的基础视频模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.07675)