先思考再扩散：将物理规则注入视频扩散模型

arXiv 2025 47.4 method

TLDR

DiffPhy通过LLM引导验证与注意力注入将物理规则融入视频扩散，生成物理正确且逼真的视频。

评分理由

The paper presents a well-motivated framework combining LLMs and video diffusion for physics-aware generation, with strong empirical validation on benchmarks. However, the abstract lacks details on limitations and baseline comparisons, and the connection to 'world models' is indirect.

Read-first 评分解释

综合优先阅读分 47.4，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 23。

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、数据集、实验、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：数据集、GitHub

主题相关性 42%

32.9

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

排序敏感性

稳定性：volatile；排名波动范围：559。

关键词评分

world dynamics prediction

video world model

world model

world simulator

generative world model

interactive world model

model-based reinforcement learning world model

资源

论文