Teton AI 发布 Cassandra：面向养老与医疗的生成式世界模型

Teton AI 于 11 月 4 日发布 Cassandra，面向养老与医疗场景的生成式世界模型：训练数据为 1.4 亿真实行为事件（behavioral tokens），模型学习居民的行为模式、日常作息与与护理人员的互动，预测并模拟护理环境如何随时间演化。官方称其在护理场景下可提前 3 分钟以上识别跌倒风险，并支持反事实模拟（如午睡如何影响夜间睡眠、跌倒后次日的护理需求变化）。

架构上 Cassandra 采用 Mamba 选择性状态空间模型（而非完整 Transformer 注意力），线性扩展序列长度，可建模跨数天至数周的长时序依赖；时间建模使用事件条件的 dwell-time head，预测下个事件发生的时间分布。训练目标是 next-event prediction，通过自回归采样生成长时序未来轨迹，类似语言模型生成文本。

官方报告了与语言模型相似的 scaling law：预测损失随数据量按幂律下降（指数 −0.099，接近 Kaplan 等 2020 报告的 −0.095），并且单纯增加算力会撞数据墙——高分辨率纵向行为数据无法从互联网收集，需要真实部署、可靠感知与长期观测。Teton 称其 years of deployed infrastructure 与快速扩张的数据集使其具备探索生成式世界模型扩展上限的独特条件。

官方称 Cassandra 是第一应用（跌倒预测），长期目标是构建通用模型理解居民、护理人员与护理环境的演化与交互，把护理从被动响应转向主动预防。该模型目前未开源，官方开放预约演示。

原文链接：Teton AI 官方博客