先看执行，再看记忆：诊断视频世界模型的记忆失败
常见的视频世界模型记忆测试，会将场景设置、执行指定变化以及在最后一帧呈现结果合并为一个分数。因此，未能执行变化可能被误判为记忆失败。研究提出 MIST 评估方法，将变化的执行与对其结果的记忆分开测量。结果显示，模型虽能设置场景，却常常无法执行指令要求的变化。研究团队还提出 M3-Agent，通过反复修订指令细节帮助模型完成操作。与基线相比，MIST reveal 分数提升至三倍以上；WRBench 提升 26.1%，MBench-T 提升 52.7%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。