标签
论文提出了 WorldDraft,一个涵盖 48 个可执行 4D 世界族、432 组严格配对测试用例的基准,用于评估视频模型能否充当由代码构建的世界的生成式渲染器。研究在 12 个模型上发现世界保持与视觉呈现之间存在显著张力,并提出即插即用的视觉提示策略 WorldDraft-Primer,可同时改善这两个目标。