WorldLens：真实世界中驾驶世界模型的全频谱评估

arXiv 25.12 2025 50.5 benchmark

TLDR

WorldLens全频谱基准评估驾驶世界模型的视觉、几何、物理和行为保真度。

评分理由

The paper introduces a comprehensive evaluation framework with a dataset and agent, addressing a clear gap in unified assessment. Strengths include multi-dimensional coverage and human alignment; weaknesses are not evident from the abstract alone, but the benchmark's scalability and generalizability remain to be seen.

Read-first 评分解释

综合优先阅读分 50.5，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 51。

方法质量 18%

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、评估、指标

近期性 6%

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

主题相关性 29%

72.9

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

可复现性 18%

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

引用影响力 18%

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 12%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：672。

关键词评分

world model

generative world model

video world model

interactive world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

WorldLens基准涵盖五个评估方面：生成、重建、动作跟随、下游任务和人类偏好
WorldLens-26K数据集包含人类标注的视频，带有数值评分和文本理由
WorldLens-Agent评估模型从人类标注中蒸馏，实现可扩展、可解释的评分

方法

WorldLens是一个全频谱基准，评估生成式世界模型在五个方面：生成、重建、动作跟随、下游任务和人类偏好。为了将客观指标与人类判断对齐，作者构建了WorldLens-26K，一个大规模的人类标注视频数据集，包含数值评分和文本理由，并开发了WorldLens-Agent，一个从这些标注中蒸馏出的评估模型，以实现可扩展、可解释的评分。

关键结果

没有现有的世界模型在所有维度上全面胜出：纹理强的模型往往违反物理规律，而几何稳定的模型则缺乏行为保真度。

局限性

基准专门针对驾驶世界模型，限制了向其他领域的泛化能力
人类标注可能引入主观偏差，蒸馏出的评估模型可能无法完美捕捉人类判断的所有方面

技术栈

WorldLens基准WorldLens-26K数据集WorldLens-Agent评估模型生成式世界模型

资源

论文项目