通过测试时缩放探究世界模型在空间推理中的有效性

World Modeling Workshop 26 2026 73.5 method, application

TLDR

探究世界模型测试时验证器，发现缺陷并提出ViSA，在SAT-Real有效但MMSI-Bench无效

评分理由

The paper provides a systematic analysis of test-time verifiers for world models, identifying calibration issues and action biases, and proposes a principled verification framework (ViSA) that shows improvement on one benchmark but fails on another, highlighting world model bottlenecks. Strengths include rigorous empirical evaluation and clear identification of limitations; weaknesses include limited generalizability and reliance on existing world models.

Read-first 评分解释

综合优先阅读分 73.5，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 46。

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

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：有；数据：无；命中信号：代码、GitHub

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、实验

主题相关性 42%

65.7

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

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：114。

关键词评分

world model

generative world model

interactive world model

world dynamics prediction

world simulator

video world model

model-based reinforcement learning world model

深度分析

创新点

引入基于空间断言的验证（ViSA）框架，将测试时奖励建立在可验证的、以帧为锚点的微断言上
系统性地审视了基于世界模型的空间推理的测试时验证器，揭示了校准不良、动作偏差和不可靠的奖励信号
基于不确定性的分析表明，MindJourney的验证器几乎没有提供有意义的校准，且随机评分同样能降低答案熵

方法

本研究审视了MindJourney的测试时缩放方法，其中世界模型生成动作条件轨迹，启发式验证器选择有用的视图。通过基于不确定性的分析，评估了验证器行为，并提出了ViSA，该框架将奖励建立在以帧为锚点的微断言上。实验在SAT-Real和MMSI-Bench基准上进行。

关键结果

ViSA在SAT-Real基准上持续改善了空间推理，并纠正了轨迹选择偏差，但在MMSI-Bench上，所有验证器均未实现一致的缩放，表明当前世界模型形成了信息瓶颈。

局限性

当前世界模型形成了信息瓶颈，想象视图无法丰富细粒度推理
MindJourney的验证器表现出校准不良、系统性动作偏差和不可靠的奖励信号
在MMSI-Bench上，没有验证器（包括ViSA）实现一致的缩放

资源

论文代码