新论文提出 Causal Writability:视频模型学过的正确物理规律可被低维编辑唤醒
ZimingLiu11 · x · 2026-09-26
arXiv 论文《A Chosen Future Can Still Be Rewritten: Causal Writability in Video Models》（2609.15980）研究视频模型生成物理错误运动时，究竟是没学会还是没用上。结论是后者：正确的运动信息仍在模型内部，可以重新控制生成结果。
核心发现：
- 训练数据为红色质量块慢振荡、蓝色快振荡；测试时给红色质量块以快速运动，模型仍生成慢动作，但基于简单物理变量预测出的低维编辑即可恢复正确的快速运动。作者称之为 causal writability。
- 在固定编辑强度下存在锐利的深度边界：边界之前的层编辑有效，之后失效，标记该次写入的“承诺点”。更强信号仍可穿透，但增益过大会过冲。
- 早期的 causal writability 可预测哪些错误会被后续训练纠正：可被纠正的错误在更多网络深度上“可写”。
- 在 1.3B 预训练视频模型上复现了该现象及其锐利闭合，支持跨规模与训练范式的普遍性。
作者还举例：GPT-5.6 Sol 在 DrivingBench 中把锥桶颜色误当车道边界，这类错误输出未必意味着模型没学会物理。
「多模态」频道最新
- 让 Fable 5.2「放飞做游戏」,结果得到一个 Pong 克隆 — ariG23498 · 2026-11-11
- 用 Fable 5.2 + Blender 造西部小镇,每块木板都有风化模拟 — ravisparikh · 2026-11-11
- Diffusion Week 2026 十讲全部公开:覆盖视频生成与世界模型 — LucaAmb · 2026-11-11
- RTX 3080 12GB 跑 Wan 2.2：5B 全崩 14B 可用的实测对比 — fixxxer2606 · 2026-11-11
- 独立开发者预告新图像模型：基于 Z-Image，称比肩最新闭源模型 — darlens13 · 2026-11-11
- IFM世界模型PAN 2演示空间一致性:纸飞机坠落全程场景不变 — kimmonismus · 2026-11-11