NeurIPS 亮点论文 PersistBench：4D 基础模型看得见却记不住
weichiuma · x · 2026-10-07
康奈尔大学团队的 PersistBench 获 NeurIPS 2026 Evaluations & Datasets Track Spotlight。论文提出核心问题：4D 基础模型能感知和重建动态环境，但它们能否像人类一样"记住"感知过的内容？现有基准依赖像素级指标，且物体离开视野后缺乏真值。
方法：用 360° 视频作为全知真值（omniscient ground truth），巧妙绕开"物体离开相机视野后无法获取真实状态"的评估难题，从三个物体中心的维度评估视觉记忆：物体恒存性、运动连续性、外观保持。
发现：对三个模型家族的 12 个模型的评测显示，模型在合成可见内容与记忆视野外物体之间存在显著差距。团队已开放项目页、排行榜、GitHub 代码与数据集，欢迎提交模型评测。
「研究」频道最新
- 数学家吐槽 OAI 对 Hodge 猜想进展的营销言过其实 — ctjlewis · 2026-10-07
- Sandberg 提醒：预印本往往比终稿更诚实 — anderssandberg · 2026-10-07
- 烧掉 3000 亿 tokens 攻 Hadwiger–Nelson 问题,下界从 5 提升到 6-7 色 — soumitrashukla9 · 2026-10-07
- 数学家发现沙法列维奇猜想两个反例，littmath 调侃「重复计数」 — littmath · 2026-10-07
- 冻结 7B 模型外挂记忆原型:128 次召回命中 118 次 — Nearby_Indication474 · 2026-10-07
- 与 Claude 合写论文：LLM 让预注册预测变得轻松有趣 — anderssandberg · 2026-10-07