EvoWorld:让视频生成模型学会推理画面外的世界演化
Yequan Bie · hf · 2026-11-09
港科大、腾讯与港中文团队提出 EvoWorld,针对生成视频模型「会渲染像素但不会推理世界演化」的缺口。
- 新问题 Out-of-Sight Causal Evolution:模型不仅要渲染事件,还要推断其对世界状态的影响,并在画面外也呈现因果合理的结果——例如野兽出现后,附近的人应逃跑、躲避还是反击。
- 基线方案:「大脑-渲染器」协作框架,VLM 作为世界大脑观察已生成片段、维护演化的世界状态并推理状态转移,分段自回归视频渲染器负责视觉实现。
- 同时发布 EvoWorld-Data 训练集与 EvoWorld-Bench,评估事件实现、因果反应与回访一致性;实验显示其在因果演化上显著优于近期模型,同时保持视觉质量。
「多模态」频道最新
- Kling 4.0 提示词演示:动作场面大场景与运镜张力 — umesh_ai · 2026-11-09
- Video-Coder：让 agent 写代码搭 3D 场景来驱动可控视频生成 — UCF-Ai-LLMs · 2026-11-09
- OmniLatent：单一共享隐空间统一几何外观与部件，单图生成可编辑 3D — Yunhan Yang · 2026-11-09
- Midjourney sref 4015763981 演示潮玩风格 3D 卡通渲染 — azed_ai · 2026-11-09
- GPT image 2 实测:超长时尚杂志封面 prompt 一次成型 — SimplyAnnisa · 2026-11-09
- Mistral 用 Voxtral 3 在 AI Engineer Paris 实时转写全场演讲 — MistralAI · 2026-11-09