Google DeepMind 提出 FlipTest 基准检验视频世界模型

Google DeepMind 团队发布 FlipTest 基准，通过初始状态近乎相同但结果相反的最小配对任务，检验视频世界模型是否学到决定结果的世界状态。当前模型基本未通过测试，最好模型的总体成绩也低于随机猜测；更大模型、新 checkpoint、物理信息预训练和 reasoning 微调均未解决问题，论文与代码尚未放出。