论文页面 - PlayWorld：使用智能体玩家在长时程目标上评测世界模型

来源：https://huggingface.co/papers/2608.13552 作者：

，

，

，

，

，

，

，

，

，

，

摘要

PlayWorld 通过使用多模态智能体实现长时程目标，对交互式视频世界模型进行基准测试，评估几何一致性、交互保真度和状态演化。

视频世界模型（https://huggingface.co/papers?q=world%20models）根据当前观测和用户动作模拟未来状态。最近的系统已在长序列上展示出令人印象深刻的视频一致性和动作可控性。然而，公平地比较这些交互式模型仍然具有挑战性。在实践中，人类玩家通常通过交互追求长时程目标来评估世界模型。例如，用户可能会旋转 360 度以查看环境是否保持一致，或者走进水中检查是否生成逼真的水波纹。实现相同目标所需的动作序列在不同模型之间可能有很大差异，这使得固定动作条件下的评估不适合跨模型比较。为了解决这个问题，我们采用多模态智能体玩家（https://huggingface.co/papers?q=multi-modal%20Agent%20Players）与世界模型（https://huggingface.co/papers?q=world%20models）交互，以实现指定的长时程目标。在此范式的基础上，我们引入了 PlayWorld（https://huggingface.co/papers?q=PlayWorld），这是一个提供 171 个场景的基准，每个场景都有指定的目标。为了全面评估性能，我们从四个核心维度评估模型：几何一致性（https://huggingface.co/papers?q=geometry%20consistency）、交互保真度（https://huggingface.co/papers?q=interaction%20fidelity）、视野外演化（https://huggingface.co/papers?q=out-of-sight%20evolution）和洞察演化（https://huggingface.co/papers?q=insight%20evolution）。此外，我们纳入了视频质量和可控性的基本能力指标。对九种最先进的世界模型（https://huggingface.co/papers?q=world%20models）的实验表明，当前模型在长时程交互目标上仍不可靠，尤其是在保持空间一致性和持续性状态演化方面。代码和数据可在 https://github.com/kxding/PlayWorld（https://huggingface.co/papers?q=PlayWorld）获取。

查看 arXiv 页面（https://arxiv.org/abs/2608.13552）查看 PDF（https://arxiv.org/pdf/2608.13552）项目页面（https://kxding.github.io/project/PlayWorld/）GitHub8（https://github.com/kxding/PlayWorld）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2608.13552）

在您的智能体中获取此论文：

hf papers read 2608\.13552

没有最新的 CLI？curl \-LsSf https://hf.co/cli/install\.sh \| bash

引用此论文的模型 0

没有模型关联此论文。

在模型 README.md 中引用 arxiv.org/abs/2608.13552，即可从此页面关联该模型。

引用此论文的数据集 1

jocelynd/playworld-bench 查看器• 约 2 小时前更新 • 171 • 1 • 1（https://huggingface.co/datasets/jocelynd/playworld-bench）

引用此论文的 Spaces 1

包含此论文的收藏 0

没有收藏包含此论文。

将此论文添加到收藏（https://huggingface.co/new-collection）以从此页面关联它。