LoopBench 检验世界模型记忆:WorldTrace 召回率提升 32.6%
cindy_x_wu · x · 2026-11-21
研究者提出 LoopBench,用于测试世界模型是否「记得」去过的场景:让相机离开一个场景后再回到同一 pose,将返回帧与起始帧对比,并改变路径、rollout 长度、相机旋转和重访次数等条件。
在相同缓存大小下:
- 其 WorldTrace 方法相对滑动窗口将平均召回率提升 32.6%
- 在全部 12 个条件中均取得最高分
- 且无需在 Matrix-Game 2.0 上重新训练
这为评估世界模型的空间记忆/一致性提供了新基准与方法。
所属事件:NVIDIA 发布 WorldTrace:免训练修复视频世界模型场景失忆(6 条相关)→
「研究」频道最新
- 循环层数越多推理越省:3 次循环后收益递减,推理 token 反而更少 — nrehiew_ · 2026-11-21
- 研究发布实测:循环超 3 次收益递减,占位符越多越耗推理 token — nrehiew_ · 2026-11-21
- 循环 Transformer 实测:推理时间窗从 16 秒升至 37 秒,多跳任务受益最大 — nrehiew_ · 2026-11-21
- 团队开源可变循环模型 TML-d24-varloop-research,验证循环层数对 CoT 可监控性的影响 — nrehiew_ · 2026-11-21
- 发布版仅用训练时三分之一专家:剪枝后再补 1T token 蒸馏恢复性能 — nrehiew_ · 2026-11-21
- 循环 Transformer 设计细节:只循环中间层,算力等效增益 1.51-1.91 倍 — nrehiew_ · 2026-11-21