研究团队近日推出物理世界模型 PhiZero，面向视频生成中物理规律不稳定、连贯性不足等问题，引入“物理语言”离散表征。该模型通过自监督学习从野外视频中提取状态转移模式，采用“先推理、后渲染”架构，先在物理语言空间预测未来演变，再由扩散解码器生成高清视频。系统包含物理语言分词器和推理器，后者基于预训练视觉语言模型初始化。基准测试显示，PhiZero 在 Physics-IQ Verified、PhyGround、WorldModelBench 等评估中取得领先成绩。
研究团队近日推出物理世界模型 PhiZero，面向视频生成中物理规律不稳定、连贯性不足等问题，引入“物理语言”离散表征。该模型通过自监督学习从野外视频中提取状态转移模式，采用“先推理、后渲染”架构，先在物理语言空间预测未来演变，再由扩散解码器生成高清视频。系统包含物理语言分词器和推理器，后者基于预训练视觉语言模型初始化。基准测试显示，PhiZero 在 Physics-IQ Verified、PhyGround、WorldModelBench 等评估中取得领先成绩。