WROP 发布:150 个认知任务训练视频模型的物体恒常性

Haotian Zhang · hf · 2026-09-25

物体恒常性是人类认知先验的标志。研究者提出 WROP(World Reasoning with Object Permanence),一套受核心认知启发的数据基础设施,包含 150 个手工设计的认知科学任务,分六大类;用 Blender 生成器随机化速度、光照、相机角度等干扰参数,同时保留任务的认知结构,每任务产出 1 万+样本。

他们发布了 150 万样本训练语料和 300 题考试,并据此评测 14 个视频模型(3 个 reference-to-video、7 个 edit、4 个 continuation,含自家 16B 世界模型 PWM-WROP)。在盲评两两 Elo 对比中,PWM-WROP 在 continuation 类排名第一、总体第三,仅落后于两个并列的 reference-to-video 模型。数据、考题、模型答案、分数、权重及基于 AWS Trainium2 的 PyTorch 训练栈 PWM 全部开源。