港大团队拆解视频世界模型记忆失败：执行与记忆需分开诊断

hkuhk · hf · 2026-10-19

港大、密歇根大学与北大团队提出 MIST 框架，将视频世界模型的记忆测试拆分为「场景设定是否成立」与「指定变化是否被执行」两个独立环节，从而精确定位低分究竟源于遗忘还是执行失败——现行基准把两者折叠成一个数字，容易把执行问题误读为记忆衰退。

在此诊断基础上，团队提出 M3-Agent 改进指令执行，显著提升了相关 benchmark 成绩。论文已于 10 月 16 日发布在 arXiv。