在世界模型中训练客体永久性

arXiv 2026 33.4 method

TLDR

提出WROP合成数据集与测验，训练视频模型的客体永久性；PWM-WROP在续写模型中居首。

评分理由

The paper presents a large, carefully designed synthetic benchmark and evaluates many video models, with strong resource release and empirical rigor. However, the reliance on Blender-generated synthetic tasks may limit generalization to real-world physical scenes, and the abstract does not demonstrate interactive or RL-based world model capabilities.

Read-first 评分解释

综合优先阅读分 33.4，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 36。

近期性 5%

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 15%

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：数据集、评估

主题相关性 25%

51.4

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 15%

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

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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 10%

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：258。

关键词评分

world model

video world model

generative world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

WROP数据基础设施：150个手工设计的认知科学启发任务，分为六个认知类别，用于客体永久性与固态性。
基于Blender的生成器，在保持每个任务认知结构的同时随机化速度、光照、相机角度等干扰参数，每个任务生成10,000+样本。
发布150万样本训练语料和300题考试，用于评估视频模型中的客体永久性。
PWM-WROP：16B世界模型；PWM：基于原生PyTorch的AWS Trainium2训练栈。
对14个视频模型（涵盖reference-to-video、edit和continuation任务）进行盲法成对Elo评估。

方法

作者设计了六个认知类别下的150个认知科学启发任务，并构建Blender生成器，在保持认知结构的同时随机化速度、光照、相机角度等干扰参数，从而生成150万样本训练语料和300题考试。他们使用盲法成对Elo研究评估了14个视频模型，包括其16B的PWM-WROP。

关键结果

在300题WROP考试中，PWM-WROP在continuation模型中排名第一，总体排名第三，仅次于两个reference-to-video模型之间的统计平局。

技术栈

BlenderPyTorchAWS Trainium2

资源

论文