研究质疑视频世界模型的物理直觉证据

研究团队评估冻结视频表征后指出，V-JEPA2-G、VideoMAE2-G等模型的预测误差主要受色调、亮度、重着色等外观变化及运动差异驱动，而非物理违反；相关扰动造成的误差比物理违反高出一个数量级以上。 分层探针还显示，表征中的“物理投影”随编码深度迅速衰减，区分物理违反的平衡准确率仅约52%至54%，接近随机水平。研究据此认为，以潜在预测误差证明视频世界模型具备可靠物理直觉的依据并不牢靠。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。