通用开放世界时间感知

arXiv 2026 38.5 method

TLDR

立场论文：提出通用多模态时间感知系统，推断结构化世界状态以支持预测与合成，补充生成式视频预训练。

评分理由

The paper provides a coherent, ambitious vision and identifies a clear gap in current generative video models regarding explicit structure. However, it is purely conceptual, offering no methodology, experiments, or empirical validation.

Read-first 评分解释

综合优先阅读分 38.5，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 30。

方法质量 15%

100

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：基线、数据集、评估、实验、指标、结果

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

可复现性 15%

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：工件、数据集

主题相关性 25%

42.9

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

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%

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%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：790。

关键词评分

world model

world dynamics prediction

video world model

generative world model

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

提出通用开放世界时间感知架构（GOWTPA），作为感知与合成的共享生成基底。
将识别、结构化预测和模拟定义为同一生成模型的不同条件化过程。
目标是对显式开放世界时间世界状态进行表示，包括几何、关节结构、语义、交互结构和不确定性。
将结构化世界状态定位为推理、具身特定策略、理解、预测、反事实推理和可控合成的基础层。

方法

本文是概念性的，描述了一种所提出的架构GOWTPA，其中感知和合成被视为共享生成基底内的不同条件化过程。它主张原始多模态流应转换为时间上持续、结构化的世界状态，捕获几何、关节结构、语义、交互和不确定性。标题和摘要中未指定数据集、训练流程、基线比较或评估设置。

关键结果

标题和摘要中未报告实验结果；本文提出一种范式和研究议程，而非实证发现。

局限性

标题或摘要中未说明所提出的GOWTPA的明确局限性。
摘要未对所提出的架构及其声称的能力提供实证评估或定量证据。

资源

论文