MBench：视频世界模型记忆能力的综合基准

arXiv 2026 55.2 benchmark

TLDR

MBench是一个通过实体、环境和因果一致性评估视频世界模型记忆能力的基准，使用真实拍摄视频。

评分理由

The paper addresses a critical gap in evaluating long-term memory for video world models, with a systematic decomposition into three consistency dimensions and use of real-world data. However, it focuses narrowly on memory and does not cover other world model capabilities like interactivity or dynamics prediction.

Read-first 评分解释

综合优先阅读分 55.2，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 41。

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%

91.9

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：0.91879498

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

主题相关性 29%

58.6

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

排序敏感性

稳定性：volatile；排名波动范围：408。

关键词评分

video world model

world model

generative world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

提出MBench，一个专门评估视频世界模型记忆能力的综合基准。
将记忆能力分解为三个层次维度：实体一致性、环境一致性和因果一致性，并进一步细化为12个可量化子维度。
使用严格筛选的真实拍摄长视频和基于规则的量化矩阵结合VLM进行客观全面的一致性评估。

方法

MBench系统地将记忆能力分解为三个核心维度（实体、环境、因果一致性）和12个子维度。该基准基于精心筛选的真实拍摄长视频构建，并使用基于规则的量化矩阵和视觉语言模型（VLM）进行评估，以实现客观的一致性评估。

关键结果

对主流最先进的视频世界模型的广泛评估揭示了现有方法在长期状态保持方面的关键系统性局限性。

资源

论文