研究探测视频基础模型中的直觉物理表征

Punzo 等发表一项探测研究，用冻结特征探测方法检验视频基础模型的表征是否编码直觉物理信息，并比较这些信息的可及性在不同预训练范式、层级、骨干变体和探测类型间的差异。该研究已被 NeurIPS 2026 "World Models in Physical AI" 工作坊接收。 研究比较了三类模型：联合嵌入模型 V-JEPA、掩码重建模型 VideoMAE 和扩散视频生成模型 LTX-Video。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。