研究人员推出了“What-If World”，这是一个旨在评估具身场景下视频生成模型因果推理能力的新基准测试。该基准测试包含319对提示，用于测试模型对场景中物理细节变化的响应，评估其对提示的遵循度、物理一致性、环境保持性以及结果的正确性。包括开源选项在内的当前最先进模型表现不佳，没有一个系统的配对得分超过52%，这表明它们在可靠支持条件动作模拟或基于模型规划方面存在显著局限性。 AI
影响 凸显了当前视频生成模型在因果推理方面存在的显著局限性，影响了它们在模拟和规划中的应用。
排序理由 该集群描述了一篇介绍用于评估AI模型的新型基准测试的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
