腾讯混元WorldReward：世界模型画面再美，动作错了也白搭
世界模型生成的视频越来越逼真，但它可能一边把画面做得很漂亮，一边悄悄执行错了相机指令。复旦、腾讯混元、上海创智学院、上海交大和上海人工智能实验室等团队提出 WorldReward：不再只看单帧美不美，而是逐段检查“动作有没有做对、画面有没有崩”。在 760 对人工标注视频上，它对动作、外观和运动质量的判断一致率分别达到 77.63%、81.32% 和 73.
标签：世界模型
共 2 篇多模态AI为何卡在实时行动？6篇新论文拆开完整链路
一套多模态系统可以在图片问答里拿高分，却未必能在真实机器人上及时完成一次抓取。问题不只出在模型是否“聪明”，而是视频表征、空间几何、证据路由、视觉压缩、动作生成和物理预测能否在同一时间预算里闭环。 过去72小时首发的6篇论文，恰好把这条链路的六个关键瓶颈同时摊开。
