论文页面 - WorldExam: Benchmarking World Models from Apparent Appearance to Inherent Reactivity

来源：https://huggingface.co/papers/2608.02603

作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

可控视频生成模型正越来越多地被开发为世界模型。相应地，评估它们在这一角色中的表现，不仅涉及生成视频的表观外观，还涉及它们所描绘世界的内在反应性：即从场景状态推断世界应如何反应，并生成输入中未明确描述的合理后果的能力。然而，现有基准主要评估视觉质量或显式指令完成度——通过检查请求的动作和交互结果是否实现，而内在反应性则未得到充分考察。我们提出WorldExam，一个分层诊断基准，涵盖四个层级：视觉质量、控制遵从性、空间一致性和世界反应性。它包含八个专门任务下的1,474个案例，并支持对相机驱动、动作驱动和语言驱动模型范式的统一评估。世界反应性层级评估超出输入明确规定的场景条件反应和目标导向行为。对20个代表性模型的评估揭示了明显的能力分化：相机驱动模型在相机控制上表现出色，但其接口不支持动态交互；动作驱动模型能更精确地控制主体，但往往让世界无响应；语言驱动模型在交互上表现更好，但对复杂控制的遵从性较差。没有模型能同时兼顾广泛任务覆盖和持续强劲的性能，这表明高视觉质量和显式指令完成并不保证内在反应性。

查看 arXiv 页面 (https://arxiv.org/abs/2608.02603) 查看 PDF (https://arxiv.org/pdf/2608.02603) 项目页面 (https://worldexam.github.io/) GitHub (https://github.com/YuxueYang1204/worldexam) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.02603)

在你的 agent 中获取此论文：

hf papers read 2608\.02603

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

引用此论文的模型 0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2608.02603 即可从本页面链接到它。

引用此论文的数据集 0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.02603 即可从本页面链接到它。

引用此论文的 Spaces 0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2608.02603 即可从本页面链接到它。

包含此论文的集合 0

没有包含此论文的集合

将论文添加到集合 (https://huggingface.co/new-collection) 以从本页面链接它。