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
- 世界模型会改变游戏原型开发方式吗？开发者实测后给出判断 — CodeByPoonam · 2026-09-26
- 用户让 Claude 为自己的歌做 MV,成品「离谱到惊人」还出了朋克版 — AndyMasley · 2026-09-26
- 成本从 1 万美元降到 10 美元：Flowith Canvas 用 Opus 5.5 一小时出片 — Scobleizer · 2026-09-26
- LoRA Pilot 新界面:从首图到训练完一键对比 — no3us · 2026-09-26
- 咖啡馆秒变海洋:开发者用 TripoAI 为 Vision Pro 打造混合现实体验 — Scobleizer · 2026-09-26
- 数据集蒸馏新用途：用莫奈毕生画作生成精美合成图 — CSProfKGD · 2026-09-26