研究发现视频世界模型动作相关性源于时序预测而非重建

高丽大学研究者Jewon Yeom等发表的、被CoRL 2026接收的研究，用统一的inverse-dynamics探针评测多种编码器家族，发现视频世界模型潜空间的动作相关性主要由时序视频预训练驱动，而非像素重建保真度——像素解码质量强的模型可能动作可恢复性接近零。该研究称，时序预测结构才是动作相关视频表征的关键要素。 研究者还指出，在CALINUX静态环境任务中，强图像先验即可够用，因此这类基准可能部分掩盖时序结构的重要性。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。