⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

EVEWorld：具身世界模型的物理演化监督

arXiv 2026 36.9 method, benchmark

TLDR

EVEWorld是一个物理演化监督框架，通过恢复与时间对齐提升实例一致性，降低具身世界模型的模型惰性。

评分理由

The paper addresses a clear limitation (model laziness) and introduces both a framework and a metric, with strong benchmark results. However, the abstract lacks methodological detail and explicit discussion of limitations, relying on benchmark leaderboards rather than real-world deployments.

Read-first 评分解释

综合优先阅读分 36.9，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 49。

近期性 5%
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

主题相关性 25%
70

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

方法质量 15%
60

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：实验、指标

可复现性 15%
30

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

图谱声望 15%
5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。 局部 PageRank：0.0016

引用影响力 15%
0

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。 引用数：0

引用速度 10%
0

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

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：432。

关键词评分

world model
10
world simulator
8
world dynamics prediction
8
generative world model
7
interactive world model
7
video world model
6
model-based reinforcement learning world model
3

深度分析

创新点

  • 提出EVEWorld，一个面向具身世界模型的物理演化监督框架，用于物理一致的目标演化。
  • 引入实例引导恢复（IGR），通过恢复监督提升实例一致性。
  • 引入时间实例对齐（TIA），通过对齐相邻帧中的目标实例提升跨帧一致性。
  • 引入模型惰性率（MLR），用于衡量生成轨迹中实例一致性的持续违反程度。

方法

EVEWorld 由实例引导恢复（IGR）和时间实例对齐（TIA）组成：IGR 通过恢复监督提升实例一致性；TIA 通过对齐相邻帧中的目标实例提升跨帧一致性。该框架在 DreamGenBench、EWMBench 和 PBench 上评估，并引入模型惰性率（MLR）衡量实例一致性的持续违反，同时与 GigaWorld-0 及 WorldArena 2.0 Track 1 排行榜排名进行比较。

关键结果

与 GigaWorld-0 相比，EVEWorld 的模型惰性率降低了87.5%，并在 WorldArena 2.0 Track 1 排行榜上获得 JEPA 相似度第6名、总体第17名。

资源

论文

标签