视频生成模型都是只会生搬硬套像素的“傻瓜”？最近这个流行说法被新论文直接打脸了。 有人断言，只有像 V-JEPA 这样的…

视频生成模型都是只会生搬硬套像素的“傻瓜”？最近这个流行说法被新论文直接打脸了。 有人断言，只有像 V-JEPA 这样的“世界模型”才真懂物理。

看看这张图的测试数据。 研究人员对几款扩散模型（Diffusion models）进行了测试。 测什么？测物体恒常性、形状保持、重力、连续性这些物理基础。 结果不仅及格，而且以压倒性优势暴打了被寄予厚望的 V-JEPA 和 VideoMAE。 普通的 VAE 更是惨不忍睹。

这里有个硬核细节：研究用的是“线性探测（Linear probe）”。 啥意思？就是不加任何复杂的滤镜，用最简单的线性模型去提取信息。 在这种极简的测试下，AI 还能精准预测物理变化，说明扩散模型内部，早就有一套相当清晰、明确的物理世界表征。 它没有瞎猜，它在内部重建了物理法则。

AI 进化路线的成见正在被打破。 那些被认为只会“大力出奇迹”和“暴力画图”的生成模型，其实在疯狂吞噬数据的同时，已经悄悄摸透了这个世界的运行规律。