摘要
现有文献认为视频生成本质是世界建模，但仅靠缩放视觉预测无法自动产生物理智能体。本文指出当前模型仅学习部分隐式时空世界模型，缺乏对可控变量及约束的理解。前沿应聚焦于具备反事实可控性的自我进化生成机制，即探究行动下的后果，验证生成未来是否符合具身约束，并将行动知识反馈至未来想象中。因此，本文提出具有反事实可控性的自主视频生成是实现自我进化世界模型的有效途径。
AI 推荐理由
论文核心提出通过反事实可控性实现世界模型的自我进化，直接对应 evolution 主题。
研究机构
Department of Computer Science and Technology, Tsinghua University, Beijing, China
Beijing National Research Center for Information Science and Technology, Beijing, China
论文信息