[CV]《The Flip Test: Video World Models Fail to Learn the World State》M Luo, L Yu, A W Yu, A Cao… [Google DeepMind & UT Austin] (2026)
在世界模型领域,检验视频模型能否读取物理状态是一个悬而未决的难题。过去的方法受困于单视频打分,本质原因是孤立评估测不出对初态微变的麻木。
本文的核心洞见是:把物理评测重新看作跨边界对照。由此,用临界两侧差毫厘的成对画面看预测是否翻转,这一关键操作使问题得以解开。
这项工作真正留下的遗产是证明了纯像素预测学不会世界状态。它为后来者打开的新门是先测状态再渲染的架构,但尚未跨过的门槛是多因素动态交织。
arxiv.org/abs/2611.19822 #机器学习# #人工智能# #论文# #AI创造营#
发布于 北京
