高德联合高校发布WorldRoam-Bench 专注交互世界模型长时评测
世界模型评测更新：不再只比画质，而是考长时间操控下的听话、稳定和记忆一致性。
高德联合清华、北大、南大发布WorldRoam-Bench，一个专门测试交互式世界模型（能根据你的操作实时生成3D场景的AI）在长时间漫游中表现的新基准。它不只看画面好不好，更看重AI能否准确响应每一步操作、保持物理合理（不穿模）、以及记忆一致性（场景和物体不莫名其妙变化）。测试了十几个模型，发现没有全能选手，不同模型各有短板。
正文摘录
近日，阿里巴巴集团旗下高德联合清华大学、北京大学、南京大学共同发布面向交互式世界模型（Interactive World Model，一种能根据用户实时操作生成动态连贯画面的AI模型）的开放评测基准 WorldRoam-Bench，该基准重点考察模型在真实漫游过程中的动作跟随、视觉质量、物理交互和记忆一致性。 当前，视频生成模型和交互式世界模型发展迅速，模型已经能够基于图像、文本或控制信号生成高质量动态场景。但在真实漫游任务中，一个可用的世界模型不仅要生成连贯画面，还需要在连续操作中稳定响应用户输入，在复杂场景中遵守基本物理约束，并在重访空间或持续观察主体时保持场景、结构和身份的一致性。 现有世界模型评测大多聚焦视频质量、整体轨迹或有限轮次交互，难以充分刻画开放域长时漫游中的真实失效模式。比如模型可能会出现最终轨迹看起来接近目标，却在过程中漏掉多个关键输入，或者在长时推理中出现画面漂移、结构退化、主体身份变化等问题。 WorldRoam-Bench 针对上述问题重新设计了评测方式：它不只看模型“像不像一个世界”，更关注这个世界能否被稳定控制、是否遵守物理约束、能否在长时间交互中保持记忆一致性。 本次基准发布共包含 600 多个测试案例，覆盖第一人称和第三人称视角，以及室内、自然、城市三类开放域场景。评测通过 10–60 秒的连续 WASD / IJKL 交互（类似游戏方向键控制），模拟真实漫游体验，并设置 15 个细分指标，衡量逐帧动作准确率、3D 一致性（3D 场景中物体位置、形状、遮挡关系的逻辑一致）、场景保持、幻觉率等能力。 目前，WorldRoam-Bench 已评测 10 多个前沿交互式世界模型，并实现开源模型和闭源产品的全面覆盖，呈现行业整体能力分布。该基准还提供公开积分榜，用于持续追踪模型在世界漫游任务中的能力进展。