WorldOlympiad：你的世界模型能通过三项全能测试吗？

arXiv 2026 66.9 benchmark

TLDR

WorldOlympiad基准测试从物理、几何和交互三个维度评估视频世界模型，覆盖游戏、机器人和真实场景。

评分理由

The paper introduces a novel benchmark that decomposes world-model evaluation into three complementary dimensions, covering gaming, robotics, and real-world videos, which is a strength. However, the abstract is truncated and does not provide full experimental results or limitations, making it difficult to assess the depth of analysis.

Read-first 评分解释

综合优先阅读分 66.9，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 59。

近期性 6%

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

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。归一化引用分位：0.94987703

主题相关性 29%

84.3

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

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、评估、实验、指标

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：无

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

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：428。

关键词评分

world model

video world model

generative world model

interactive world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

将世界模型评估分解为三个互补维度：物理真实性、几何一致性和交互保真度
覆盖三个主要下游场景：游戏、机器人和通用真实世界视频
物理轨道使用目标分割和MLLM作为评判，几何轨道使用高斯泼溅，交互轨道使用动作提示

方法

WorldOlympiad通过三个轨道评估基于视频的世界模型：物理轨道（使用目标分割和MLLM作为评判，评估力学、热现象和材料属性）、几何轨道（使用高斯泼溅重建视频，评估结构一致性、跨视角一致性和相机轨迹对齐）、交互轨道（评估生成序列是否遵循复杂动作提示并在连续视频块间保持平滑过渡）。覆盖游戏、机器人和通用真实世界场景。

关键结果

在最新模型上的实验揭示了物理推理、3D一致性和长程交互方面的显著差距，凸显了对生成式世界模型进行更结构化评估协议的必要性。

资源

论文