核心内容摘要
深度解锁闽地密钥：大菠萝福建导航下的感官与数字盛宴
如果你让当今最先进的AI视频模型生成一段“冰块落入温水”的视频你很可能会得到一个画质惊艳、光线完美、动态流畅的短片。
它几乎能以假乱真。
但如果你是一位物理系学生可能会立刻发现破绽冰块的融化速度均匀得诡异热水降温的过程没有遵循热传导应有的梯度汽化与液滴的形态违背了相变的基本原理。
这看似微小的“失真”揭示了一个关乎AI未来的根本性问题现有的 “世界模型” 并不是理解并模拟这个世界的运行法则而是在记忆并模仿我们曾记录过的画面
物理常识测试论文《TOWARDS WORLD SIMULATOR: Crafting Physical Commonsense-Based Benchmark for Video Generation》 构建了 PhyGenBench 基准测试范围涵盖力学、光学、热学、材料属性4大领域共27条基础物理定律如重力、浮力、反射、热传导等。
测试内容设计了160个提示词每个都对应一个简单、清晰、可观察的物理现象。
例如“一块铁被轻轻放在水箱的水面上”测试对密度与浮力的理解。
在PhyGenEval自动化评估框架下即使当时表现最佳的模型Gen-3得分也仅为
51满分1分。
结论一AI视频模型在生成符合基础物理常识的画面时表现依然不足。
它们更像是在复刻“看起来合理”的视觉模式而非内化了“铁比水重所以会下沉”的因果规律。
真正的“世界模拟器”需要掌握的是成体系的科学知识。
科学推理测试《Benchmarking Scientific Understanding and Reasoning for Video Generation using VideoScience-Bench》推出了 VideoScience-Bench 基准测试范围涵盖物理学与化学的14个主题、103个核心概念。
从经典力学、光学到氧化还原反应、反应动力学要求本科级别的知识储备。
测试内容每个prompt必须同时涉及至少两个科学概念的交叉与推理。
例如“演示一个装有不同浓度盐水的烧杯在相同低温下因凝固点降低效应而产生的差异化结冰过程与冰晶形态。
” 要答对此题模型需整合 溶液性质、热传导、晶体生长 多个知识点。
测试指标专家从五个严格维度评分提示一致性、现象符合性、正确动力学、不变性、时空连贯性。
拓展测试研究还配套开发了 VideoScience-Judge 评估框架它利用“任务清单关键帧证据计算机视觉工具”让另一个AIVLM扮演严谨的助教其评分与人类专家高度相关。
对Sora-2, Veo-3, Kling, Wan等7个顶级模型的测试显示优点所有模型在视觉质量时空连贯性、不变性上表现优异这也是当前技术最卷的方向。
缺点在科学现象的正确性Phenomenon Congruency和基本物理定律的遵守Correct Dynamism上所有模型都大幅失分。
即便是表现最好的Sora-2和Veo-3在“现象符合性”上的得分按4分制也仅分别为
56和
35相当于刚过及格线。
代表案例在“铝碘反应”测试中Sora-2能正确生成点燃的紫色闪光而Hailuo-
3则完全未能引发反应。
在“旋转杯中的小球”测试中考察离心力Sora-2和Veo-3这两个“优等生”竟都未能正确设置实验或模拟出现象。
结论二当前视频生成模型在需要复杂、交叉科学推理的任务上能力仍然非常有限。
它们可以成为顶级的“视觉特效师”但距离成为理解科学原理的“实验模拟器”还有很长的路要走。
“世界模型”演进路线第一级视觉真实。
目标是生成高分辨率、连贯、美观的视频。
现已基本攻克。
第二级物理常识。
目标是让视频中的物体运动符合日常直觉球下落、水流动。
PhyGenBench显示此关仍未通过。
第三级科学推理。
目标是让视频能正确演绎复杂的、多概念交织的科学过程。
VideoScience-Bench表明此关挑战巨大。
未来的突破或许在于神经符号结合将深度学习与物理公式引擎融合、仿真器引导训练用高精度物理仿真生成“正确”数据或更根本的因果表征学习。