arXiv · 多模态、视频与世界模型· Liming Lu·· 3 天前精选AI 评分85
Physis-Lang：用自演化语言作为视频世界模型的物理表示
Physis-Lang: Self-Evolving Language as a Physical Representation for Video World Model
AI 导读
Physis-Lang提出一种自演化框架，将物理语言作为视频世界模型在数据整理、模型训练和视频生成中的共享表示。在四个物理视频基准上，使用 Wan 和 Cosmos 主干的实验显示物理可信度持续提升；基于开源 Cosmos3-Nano 的增强模型超过 Veo 3.1。
推荐理由
论文将物理过程拆成可优化的语言断言，并通过 PhysCapBench 与语言引导检索改善视频世界模型的物理可信度。
来源：arXiv · 多模态、视频与世界模型 · arxiv.org