IntPhys-2019

研究发现视频世界模型难以追踪隐藏物体

研究人员调查了视频世界模型在物体不再可见时保留信息的能力。使用 V-JEPA 2 进行的实验显示，这些模型在保持对静止物体（尤其是在容器内的物体）的认知方面存在困难，并且在几秒钟内就会丢失对移动物体的追踪。虽然编码器仍能解码隐藏物体的存在，但预测器的输出显示该信息严重退化。研究表明，训练可以植入物体恒存的概念，从而提高在 IntPhys-2019 等基准测试上的表现，但具体的训练方法及其对基准测试的影响仍需进一步考察。