Physics IQ
PulseAugur coverage of Physics IQ — every cluster mentioning Physics IQ across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架审计视频世界模型的测试时缩放
一篇新的研究论文介绍了计算-价值审计（CVA）框架，用于评估视频世界模型中测试时缩放（TTS）的有效性。研究发现，虽然增加采样可以提高候选生成质量，但现有系统通常无法可靠地识别和利用这种提高的质量。研究强调，只有当采样余量能够转化为有益的决策并证明计算成本的合理性时，它才具有价值。
-
新的PhysPlan框架增强了AI视频生成中的物理真实感
研究人员开发了PhysPlan，一个旨在提高扩散模型生成视频的物理真实感的新框架。与以往经常产生物理上不合理的序列的方法不同，PhysPlan使用视觉语言模型（VLM）来模拟主体物理，将多模态输入分解为一系列视觉思维。这种方法能够实现以物体为中心的测试时优化和梯度路由，隔离运动变化同时保持被动环境。在PhyGenBench和Physics-IQ等基准上的评估表明，PhysPlan在物理理解方面显著优于现有的视频生成模型。
-
新的SCOPE框架通过可审计的推理时适应性改进了AI视频世界模型
研究人员开发了SCOPE，一个旨在改进用于AI规划和决策的视频世界模型的框架。SCOPE解决了在推理时提示、采样器和选择器共同演变时归因性能提升的挑战。通过将外部控制视为一种类型化状态，并通过有开发证据支持的有界变化进行更新，SCOPE在评估前冻结了策略。与完全冻结的基础模型相比，该方法在Physics IQ基准测试上显著提高了+14.24，受控消融实验确定了场景规范、采样和学习选择的具体贡献。
-
新方法可检测视频扩散模型中的物理学合理性
研究人员开发了一种通过分析中间去噪表示来识别视频扩散模型中物理学合理性的方法。他们发现，即使在高噪声水平下，这些模型也能编码出预测物理准确性的信号。该信号可以被提炼成一个轻量级的物理学验证器，然后用于改进推理时机制，如渐进轨迹选择和奖励梯度引导。在各种视频扩散模型上的实验表明，这些技术可以在不微调生成器的情况下提高物理一致性并减少推理时间。
-
Sand.ai 为视频AI融资超1亿美元，目标是世界模型
视频生成模型和产品公司Sand.ai已获得超过1亿美元的融资。该公司成立于2024年1月，专注于自回归视频生成，并探索了视听同步和MoE架构。Sand.ai计划在2026年第三季度发布一款利用MoE架构的新视频生成模型，旨在实现高效推理和大参数规模，并承诺将其开源。创始人曹岳认为，视频是实现世界模型的关键路径，强调原始观测数据比人类定义的更重要。
-
Physics-IQ 基准测试得到改进，以更好地评估视频模型 · 跟踪 2 个来源
研究人员改进了 Physics-IQ 基准测试，这是一个用于评估视频生成模型物理理解能力的工具。更新后的基准测试名为 Physics-IQ Verified，提高了提示质量和样本级评分，从而更可靠地评估物理上准确的视频生成。这种改进导致了六个图像到视频生成模型的排名发生了适度但有意义的变化。
-
PhyCo框架通过物理一致性和控制增强视频扩散模型
研究人员开发了PhyCo，一个旨在增强生成视频模型物理一致性的新框架。该系统整合了包含大量模拟视频的数据集，并结合了物理监督微调和视觉语言模型引导的优化。PhyCo旨在使生成模型能够在推理过程中生成具有摩擦和形变等可控物理属性的视频，而无需模拟器。