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

Omni-WorldBench：面向世界模型的全面交互中心评估

arXiv 26.3 2026 68 benchmark

TLDR

Omni-WorldBench用提示套件和智能体指标评估4D世界模型交互响应，揭示18个模型局限。

评分理由

The paper addresses a critical gap in evaluating interactive response for world models, offering a comprehensive benchmark with a prompt suite and agent-based metrics. However, it is limited to video-based paradigms and lacks explicit details on real-world dataset composition.

Read-first 评分解释

综合优先阅读分 68，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 54。

近期性 8%
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 25%
80

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：分析、基准、评估、指标

主题相关性 42%
77.1

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 25%
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

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：146。

关键词评分

world model
10
interactive world model
10
video world model
9
generative world model
8
world dynamics prediction
8
world simulator
7
model-based reinforcement learning world model
2

深度分析

创新点

  • 提出Omni-WorldBench，一个专门设计用于评估4D设置下世界模型交互响应能力的全面基准。
  • 引入Omni-WorldSuite，一个涵盖多种交互级别和场景类型的系统提示套件。
  • 引入Omni-Metrics，一个基于智能体的评估框架，通过测量交互动作对最终结果和中间状态演化轨迹的因果影响来量化世界建模能力。

方法

该基准包含两个关键组件：Omni-WorldSuite（提示套件）和Omni-Metrics（基于智能体的评估框架）。它使用这些组件评估跨多种范式的18个代表性世界模型，以测量交互响应能力。

关键结果

对18个世界模型的广泛评估揭示了当前世界模型在交互响应方面的关键局限性，为未来研究提供了可操作的见解。

资源

论文

标签