PWM-WROP
基于WROP数据集训练的16B参数世界模型，专门针对物体恒存性与物理推理能力进行优化，在视频续写类世界模型中达到领先水平
时间轴 (近 90 天)
研究评估仅使用了单一300题的考试，而非更广泛的具体具身任务套件。
PWM-WROP在感知距离上取得最优的LPIPS 0.081（次优为0.105）。
PWM-WROP在结构相似性上取得MS-SSIM 0.921（次优为0.877）。
PWM-WROP的CLIP相似度排名第二。
研究范围留下未解问题：这些增益是否能在合成WROP生成器之外持续尚不清楚，在更长、不受控的视频流上表现如何也未经测试。
PWM-WROP是一个16B参数的世界模型，通过定制化语料训练，首次让延续式模型在物体恒存基准上登顶。
PWM-WROP的训练语料包含1,500,000个样本，来自150个生成器，每个生成器贡献10,000个样本。
在盲测成对Elo研究中，PWM-WROP在延续式模型中排名第一，总排名第三，仅次于两个参考视频生成模型之间的统计平局。
PWM-WROP在所有续写类模型中排名第一，在全部14个模型中总排名第三，仅落后于两个参考图到视频模型
团队公开了300题考试集与全部模型作答、各模型评分结果、PWM-WROP模型权重，以及基于原生PyTorch、运行在AWS Trainium2上的训练栈PWM
还有 2 条时间轴事件
全部知识事实 (11)
研究评估仅使用了单一300题的考试，而非更广泛的具体具身任务套件。
50%待验证PWM-WROP在感知距离上取得最优的LPIPS 0.081（次优为0.105）。
50%待验证PWM-WROP在结构相似性上取得MS-SSIM 0.921（次优为0.877）。
50%待验证PWM-WROP的CLIP相似度排名第二。
50%待验证研究范围留下未解问题：这些增益是否能在合成WROP生成器之外持续尚不清楚，在更长、不受控的视频流上表现如何也未经测试。
50%待验证PWM-WROP是一个16B参数的世界模型，通过定制化语料训练，首次让延续式模型在物体恒存基准上登顶。
50%待验证PWM-WROP的训练语料包含1,500,000个样本，来自150个生成器，每个生成器贡献10,000个样本。
50%待验证PWM-WROP在所有续写类模型中排名第一，在全部14个模型中总排名第三，仅落后于两个参考图到视频模型
50%待验证视频续写相比参考图到视频是更难的任务范式，因为模型需要基于已有片段外推后续物理演化
50%待验证团队公开了300题考试集与全部模型作答、各模型评分结果、PWM-WROP模型权重，以及基于原生PyTorch、运行在AWS Trainium2上的训练栈PWM
50%待验证arXiv论文（arXiv:2609.28654）提出了名为WROP（World Reasoning with Object Permanence）的数据基础设施，并训练出16B参数的世界模型PWM-WROP
50%