PAWBench: как далеко мы от вероятностно согласованного world-моделирования?

исследования офиц. + СМИ 2 ист. ~1 мин

Формализует «вероятностную согласованность» как дистрибутивный критерий для видеогенераторов, действующих как стохастические сэмплеры мировой динамики, и выпускает PAWBench + PAWEval на 50 сценариях и 11 системах. Ни один из оцененных генераторов стабильно не совпадает с референсными вероятностями при сохранении диапазона допустимых поведений.

Почему это важно

Самая голосованная статья HF Daily Papers за 28 августа — 43 апвоута; смещает разговор об оценке world-моделей с правдоподобия отдельных видео к восстановлению распределений, обнажая системный режим отказа современных генеративных видеосистем.

Важность: 2/5

official+media confirmation; HF Daily 43 upvotes

benchmark video-generation world-model evaluation physics stochastic

Источники

СМИ PAWBench (arXiv 2608.27345)

официальный HF Daily Papers: PAWBench (Aug 28)