PhiZero：基于物理语言构建的世界模型

arXiv 2026 41.5 method

TLDR

PhiZero使用离散物理语言显式推理世界动态，然后渲染视频，在生成和理解任务上表现优异。

评分理由

The paper introduces a novel paradigm of reason-then-render with a learned discrete physical language, which is a clear strength. However, the abstract lacks specific quantitative results and only mentions potential for interactive modeling, leaving some claims unsubstantiated without further detail.

Read-first 评分解释

综合优先阅读分 41.5，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 47。

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%

67.1

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

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、实验

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

排序敏感性

稳定性：volatile；排名波动范围：319。

关键词评分

world model

world dynamics prediction

generative world model

video world model

interactive world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

物理语言：从视频中学习到的世界状态转换的紧凑离散表示。
先推理后渲染范式：在渲染为视频之前，将未来世界演化预测为物理语言序列。
从野外视频中自监督学习物理语言。
通过离散类语言表示进行显式物理推理。

方法

PhiZero通过自监督从野外视频中学习紧凑的离散物理语言。然后采用先推理后渲染范式：首先将未来世界演化推断为物理语言token序列，然后渲染成视频帧。该模型在生成和理解基准上进行评估。

关键结果

PhiZero对物理一致的世界演化进行建模，并展示了在现实与交互式世界建模、细粒度动作条件模拟和零样本运动迁移方面的潜力。

资源

论文