训练世界模型掌握物体恒存
这项研究推出 WROP：一个包含 150 万个样本的数据集，旨在训练视频世界模型掌握物体恒存及相关认知能力。数据集由六类共 150 项人工设计的任务组成。研究团队使用一份 300 题的测试评估了 14 个视频模型。在盲测成对比较的 Elo 评估中，160 亿参数的 PWM-WROP 在视频续生成模型中排名第一，综合排名第三。研究团队将公开数据集、测试、模型权重和训练工具。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。