PAWBench：我们距离概率对齐的世界建模还有多远？

arXiv 2026 43.8 benchmark, theory

TLDR

提出PAWBench与PAWEval，检验视频生成器在相同观测和动作下是否重现物理行为分布；现有系统均未实现概率对齐。

评分理由

The paper provides a clear formalization and a large benchmark with 50 scenarios and 11 systems, making a convincing empirical case that current video generators are not probabilistically aligned. However, the abstract only sketches interventions to improve alignment and does not report detailed results, so the practical path forward remains unclear.

Read-first 评分解释

综合优先阅读分 43.8，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 49。

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

主题相关性 29%

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

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

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：复现

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

排序敏感性

稳定性：volatile；排名波动范围：385。

关键词评分

world model

generative world model

video world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

将概率对齐形式化为世界模型的分布性准则。
提出PAWBench，一个将视频生成器评估为世界动态随机采样器的基准。
提出PAWEval，一种结果级协议，将重复视频推演转换为可能物理行为的经验分布。

方法

本文形式化了世界模型的概率对齐，并引入包含50个场景的PAWBench。利用PAWEval协议评估了十一个当前视频生成系统，该协议将重复视频推演转换为可能物理行为的经验分布；还测试了语言提示、初始噪声采样或模型训练能否重塑预测分布。

关键结果

在50个场景和十一个当前系统中，没有模型能够在恢复有效行为范围的同时一致匹配参考概率。

技术栈

未指定

资源

论文