WOVEN：将世界建模作为可测量独立能力

Northwestern、CMU、UNC Chapel Hill 与 Amazon 的团队在论文《WOVEN: Weaving Visual World Modeling into Multimodal LLMs》中，把世界建模定义为对状态转移 p(s′|s,a) 的估计，并构建了含 36K 道题的 WOVEN 训练与测评基座。团队测试了 38 个前沿模型，其中表现最强的 GPT-5.4 答对 65.8%，人类为 92.3%。 团队称，每个受控子集仅用 2000 条数据，就能跨领域提升 22 项基准；用约 7 小时生成视频做后训练，在 3DSRBench 上的增益为 +6.7，高于用 12.5 万小时真实视频做 mid-training 的 Orca-4B（+4.0）。团队同时指出，时序任务、主体驱动的任务和静态感知是转移监督难以直接帮上或帮助有限的地方。

AI 根据报道生成 · 3 天前更新