复旦联合美团LongCat开源交互式世界模型基准WBench
· ME 快讯
ME AI 消息，据 动察 Beating 监测，复旦大学与美团 Longcat 团队联合开源交互式世界模型基准 WBench，评估视频生成在物理规则、时空一致与交互控制的底层建模能力。基准包含 289 个测试用例与 1058 轮交互，涵盖第一与第三人称双视角，整合导航控制、主体动作、事件编辑与视角切换。WBench 统一了文本指令、 6 自由度位姿与离散动作接口，实现跨控制范式比对。评估体系包含 22 个自动指标，打分结果与人类盲测胜率的 Spearman 秩相关系数至少达到 0.94。 测试表明，相较于趋于饱和的视频质量，交互控制与模型的渲染、一致性及物理水平几乎解耦。相机运动控制并不保证主体一致性，例如导航表现优秀的 HY-World 1.5 和 Matrix-Game 3.0 在第三人称视角下均面临主体身份丢失和视角漂移瓶颈。同时，物理正确性与渲染质量高度正相关，但与控制能力接近零相关。开源世界模型在多个维度领跑，HY-World 1.5 取得导航控制最高分，LingBot-World 夺得一致性榜首，Matrix-Game 3.0 则在动作导航中位列第一。 多轮交互表明，所有模型性能均随轮数增加而衰退，导航控制因累积空间偏差退化最快。显式几何控制能有效缓解漂移，例如 HY-World 1.5 的多轮稳定性远超文本驱动的 Kling 3.0。场景动态与主体刚性构成基准难度的底层逻辑，第一人称、静态场景与刚体机器人主体极易跑通，而剧烈运动、动物等非刚体主体因形变和速度复杂性仍是业界长期挑战。 （来源：BlockBeats）