WOVEN 论文：视觉转移推理可作共享原语，26 项基准提升 22 项

mohitban47 · x · 2026-10-10

新工作 WOVEN 研究多模态大模型（MLLM）的世界模型训练如何真正跨任务迁移。作者将世界建模视为状态转移 p(s′ | s, a)，聚焦视觉转移推理：从 (s, a, s′) 中推断未观察到的部分，考察其能否作为共享的可教原语惠及多种下游任务。

核心发现：仅约 2K 规模的精选子集，就在 26 个下游基准中的 22 个上带来提升，最高涨 27.3 分；并提出以数据为中心的训练配方——按监督数据所教授的推理操作来筛选数据，以获得更好的下游收益。涵盖空间、物理、时间与具身推理等任务。