Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence

• 类型：arxiv
• 标识：2607.07675
• 链接：https://arxiv.org/abs/2607.07675
• 主分类：multimodal
• 形态：method
• 被引：4
• 被引来源：Semantic Scholar
• S2被引：4
• OpenAlex被引：0
• 影响力被引：0
• TLDR：LingBot-Video is presented, a DiT-based video pretraining paradigm specifically tailored for embodied intelligence, and is contributed as the inaugural large-scale, open-source MoE video foundation model to the community, in a pioneering effort to bridge digital creativity and physical actuation.
• OpenAlex ID：W7167854203
• OpenAlex DOI：10.48550/arxiv.2607.07675
• DOI：10.48550/arxiv.2607.07675
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.07675
• OpenAlex更新：2026-07-19
• 副分类：engineering
• 待LLM分类：否
• 标题中文：面向具身智能的 Mixture-of-Experts 视频预训练规模化
• TLDR中文：提出 LingBot-Video，一种专为具身智能设计的基于 DiT 的视频预训练范式，并将其作为首个大规模开源 MoE 视频基础模型贡献给社区，致力于在数字创意与物理执行之间搭建桥梁。
• 来源文件：
• /inbox/tom/_candidates/2026-07-09-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]