看得见记不住:新基准 PersistBench 揭 4D 模型无视觉记忆
zhenjun_zhao · x · 2026-09-19
arXiv 论文《Can 4D Foundation Models Remember?》提出 PersistBench 数据集与评测套件,首次系统评估 4D 基础模型(相机可控视频模型、4D 重建模型等)的「视觉记忆」能力。
- 动机:现有基准依赖像素级指标,且物体离开视野后没有真值,无法以物体为中心评估记忆。
- 方法:用 360° 视频作为全知真值,从物体恒存性、运动连续性、外观保持三方面评估。
- 发现:当前模型只能维持短期一致性,物体一旦离开视野,表现显著退化——「看见不等于记住」,提示 4D 模型与鲁棒视觉记忆之间仍有明显差距。数据集与代码已开源。
「研究」频道最新
- 研究者实测分辨率式预训练思路:多数实验堪称灾难 — gordic_aleksa · 2026-09-19
- 实测 Opus 5 High 自动形式化 76 页论文需约 40 天 — kfountou · 2026-09-19
- Anthropic 湾区建湿实验室，要让 Claude 操控机器人做实验 — ChrisGPT · 2026-09-19
- ICLR 投稿逼近 4.5 万篇,研究者吐槽 AI 批量灌水论文 — DimitrisPapail · 2026-09-19
- Quanta 新视频解析 OpenAI 冲击纳维-斯托克斯方程证明的进展 — eigensteve · 2026-09-19
- BBFM 猜想形式化获进展,AI 数学证明工具再下两城 — ctjlewis · 2026-09-19