视频模型开始解决国际象棋、迷宫、数独、心理旋转与瑞文推理测验

arXiv 2025 37.2 method

TLDR

视频生成模型在棋类、迷宫、数独、心理旋转和瑞文矩阵任务中展现推理能力；提出Task Pair评估范式与VMEvalKit框架。

评分理由

The paper provides a strong empirical paradigm with many models and tasks, and validates automated evaluation against human judgment. However, the abstract focuses on video models as reasoners, not world models, so world-model-related keywords have low direct relevance.

Read-first 评分解释

综合优先阅读分 37.2，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 10。

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：评估、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：代码、GitHub

主题相关性 42%

14.3

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：453。

关键词评分

video world model

world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

资源

论文