MemoBench：动态变化环境中世界建模的基准测试

arXiv 2026 39.9 benchmark

TLDR

MemoBench通过消失-重现范式，使用合成和真实视频片段评估动态环境中的世界建模。

评分理由

The paper addresses a clear gap in existing benchmarks by evaluating memory consistency under occlusion with dynamic changes, using both automated and VQA metrics. Strengths include a focused diagnostic design and evaluation of eight models; weaknesses include a narrow paradigm that may not generalize to all world modeling tasks.

Read-first 评分解释

综合优先阅读分 39.9，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 39。

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

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%

55.7

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

引用影响力 18%

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 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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：219。

关键词评分

world model

world dynamics prediction

generative world model

video world model

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

引入“消失-重现”范式，用于评估动态变化环境中的世界模型，物体在遮挡期间经历物理过程。
设计了一个包含四个诊断支柱的诊断基准，结合自动指标和基于VQA的评估。
整理了涵盖合成场景和真实世界场景的360个真实视频片段。

方法

MemoBench整理了360个真实视频片段，涵盖合成和真实世界场景，每个片段中目标物体经历物理过程、从视野中消失，并必须以更新后的状态恢复。评估套件结合自动指标和基于VQA的评估，覆盖四个诊断支柱，并对八个最先进的视频生成模型进行了评估。

关键结果

对八个最先进模型的评估揭示了在“消失-重现”范式下关于记忆一致性的关键见解和开放挑战。

资源

论文