きれいな生成動画は、世界モデルと言えるのでしょうか?
WorldFoundry: Towards Unified Infrastructure for World Intelligence
世界モデルの機能的な定義と、異なるモデルやベンチマークを同じ手順で実行・評価できるオープンソース基盤を提案する論文です。
注目ポイント
🎯 見た目ではなく「クロージャ」で区別する
介入が状態に痕跡を残して後の予測を拘束し、新しい観測が状態を更新する。この持続性が運用として成立するかどうかが、基盤生成モデルと世界モデルの違いだと主張しています。
🧩 3つの操作で整理する
状態推定、順方向シミュレーション、対話的応答の3つで世界モデル的なシステムを記述します。全部を実装する必要はなく、動画・3D/4D・身体性モデルを同じ物差しで比べるためのインタフェースです。
🔧 証拠つきのスコアカード
宣言された対応、運用上の準備状況、検証された性能を分けて記録します。270モデル・74ベンチマーク(要旨の数)を統合しましたが、検証は実行できることの確認で、性能の優劣ではありません。
評価基盤の整備という地味な土台が、世界モデル研究には効きそうです。
#
WorldModels# #
OpenSource#