arXiv cs.CV· Wenhao Yan, Haodong Li, Xiaotong Li, Yaxin Luo, Zhengrong Yue, Jialv Zou, Xu Huang, Haojin Yang, Nan Jia, Yan Feng, Peng Pei, Xunliang Cai·· 4 小时前AI 评分37
WorldCast：探索世界状态预测中的智能视觉生成
WorldCast: Exploring Intelligent Visual Generation in World State Prediction
AI 导读
研究提出 WorldCast 基准，包含 8 个类别下 320 个手工设计案例，用于评测模型从多模态观测进行多步世界状态预测的能力，共测试 12 个代表性模型。GPT-Image-2.5 System 以 72.8 分展现初步的视觉状态预测能力，Nano Banana Pro 仅得 42.8 分，最佳开源模型为 20.1 分。研究还发现，强生成模型能有效调用其底层语言模型的能力。
来源：arXiv cs.CV · arxiv.org