当前世界模型缺乏持久状态核心

arXiv 2026 64.7 benchmark

TLDR

本文提出WRBench基准，测试世界模型在未被观测时是否维持持久状态，发现当前模型在遮挡期间无法推进事件演化。

评分理由

Strengths: novel benchmark, systematic evaluation across 23 models and 9600 videos, identifies a fundamental limitation. Weaknesses: no real-world validation, limited to synthetic video models.

Read-first 评分解释

综合优先阅读分 64.7，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 54。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

94.7

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.94670088

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、指标

主题相关性 29%

77.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：429。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

video world model

interactive world model

model-based reinforcement learning world model

深度分析

创新点

WRBench：首个针对世界模型持久状态核心的系统性诊断基准
将相机运动视为可观测性干预的评估链
识别出当前世界模型缺乏持久状态核心，会恢复被遗弃的状态

方法

WRBench是一个诊断基准，将相机运动视为对可观测性的干预。它通过一个人工校准的链式评估来评价世界模型：相机是否执行了请求的交互，场景在视野内是否保持连续和可识别，以及返回的目标是否与已启动的事件保持一致。该基准使用了来自4种控制范式下23个模型的9,600个视频。

关键结果

在所有23个模型和4种控制范式中，当前世界模型在未被观测时无法推进世界状态；它们将返回的目标恢复到被遗弃时的状态，而不是在不可见时推进事件演化。

局限性

该基准未提出实现持久状态核心的方法。
研究仅限于评估现有模型；未引入新模型或训练范式。

资源

论文