⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

WorldBench：为世界模型的诊断性评估而澄清物理概念

arXiv 26.1 2026 58.4 benchmark

TLDR

WorldBench是一个视频基准，用于解耦评估世界模型对单个物理概念的理解，揭示了当前最优模型的失败模式。

评分理由

The paper introduces a novel benchmark that isolates physical concepts for diagnostic evaluation, addressing entanglement in existing benchmarks. Its strength lies in providing nuanced failure analysis, but it is limited to video-based world models and does not cover interactive or reinforcement learning contexts.

Read-first 评分解释

综合优先阅读分 58.4，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 43。

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

主题相关性 42%
61.4

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

方法质量 25%
60

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、评估

可复现性 25%
38

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：GitHub

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：347。

关键词评分

world model
10
video world model
9
generative world model
8
world dynamics prediction
7
world simulator
6
interactive world model
2
model-based reinforcement learning world model
1

深度分析

创新点

  • 对世界模型中物理理解的概念特定、解耦评估
  • 双层基准设计：直观物理理解（如物体恒存性、尺度/透视）和低层次物理常数/材料属性（如摩擦系数、流体粘度）

方法

WorldBench是一个基于视频的基准，每个测试隔离单个物理概念或定律，实现诊断性评估。它包含两个层次：一个针对直观物理，另一个针对低层次常数。最先进的基于视频的世界模型在此基准上评估其物理保真度。

关键结果

所有测试的世界模型在特定物理概念上表现出特定的失败模式，并且缺乏可靠真实世界交互所需的物理一致性。

资源

论文项目

标签