MoReGen：面向基于代码的文本到视频合成的多智能体运动推理引擎

arXiv 2025 43.1 method, benchmark, system

TLDR

提出物理驱动的MoReGen框架，结合多智能体LLM与模拟器生成符合物理规律的视频，并构建MoReSet基准。

评分理由

The paper addresses an important gap by benchmarking physical validity in T2V generation and proposing a code-based framework with explicit physics simulation. However, the contributions are more about controlled generation and evaluation than learned world models, and the abstract does not provide evidence of real-world interaction or RL integration.

Read-first 评分解释

综合优先阅读分 43.1，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 15。

近期性 8%

86.7

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：2025

方法质量 25%

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、实验、指标、结果

可复现性 25%

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：代码

主题相关性 42%

21.4

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

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：596。

关键词评分

world simulator

video world model

world dynamics prediction

world model

generative world model

interactive world model

model-based reinforcement learning world model

资源

论文