#评估基准

Roz测试：世界模型是否真正理解物理？

最新论文Roz提出一种轻量级世界模型评估方法，通过10个对比任务和3个连续任务共1734个场景，直接探测模型是否编码质量、形变、摩擦和弹性等物理属性。研究发现当前先进模型在图像相似性任务上表现优异，却遗忘关键物理细节。