interactive world models

新的基准 WorldRoamBench 和 MemoBench 评估 AI 世界模型的稳定性和记忆能力

引入了两个新的基准测试 WorldRoamBench 和 MemoBench，分别用于评估交互式世界模型和视频生成模型的能力。WorldRoamBench 专注于跨越动作、视觉、物理和记忆的长时程稳定性，测试超过 600 个案例，发现当前模型难以满足所有标准。MemoBench 专门针对动态环境中的记忆一致性，评估模型在物体消失后重新出现时恢复其更新状态的能力，评估显示在遮挡期间保留和更新物体状态存在挑战。