**H3-World：将语言理解转化为世界控制**

_H3-World: Turning Language Understanding into World Control_

> H3-World是一种高效框架，将33B MiniMax-H3视频生成器转化为交互式世界模型。研究团队发现，随着大型视频生成器能力增强，语言正成为自然控制接口。H3-World通过时间注意力路由技术，将结构化动作指令与对应时间戳的视频潜变量对齐，实现精确的时序控制。仅需8000个游戏样本、10000步LoRA优化和0.199%可训练参数，即可在保持高质量生成的同时实现角色和相机控制，并能泛化至未见场景。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.01560)