浙大等团队提出 WorldMemBench，评测视频世界模型的记忆能力
世界模型能否记住离开镜头后看过的场景、并延续正在发生的事件，此前缺乏系统评测；这个基准把静态记忆和动态记忆分开测，还考察多次回访后的记忆衰减。
浙江大学、复旦大学、蚂蚁集团与南京大学的研究团队提出 WorldMemBench，用于评测视频世界模型（能根据动作预测并生成未来画面的模型）的记忆能力。基准包含 260 个案例、23 个内容类别，通过让镜头离开目标再返回，分别考察静态的人物、物体、环境能否保持原样，以及动态事件（比如切菜）是否继续推进。团队评测了九个代表性模型。
正文摘录
.png) 在 AI 生成的房间里转一圈，再看向刚才的桌边：人物还是同一个人吗？椅子的形状、书架的位置有没有变化？如果再转开、再回来，眼前的世界还能和最初对上吗？另一种考验来自正在发生的事件。镜头移开前，一个人正在切菜；镜头转回来时，切好的部分应该保留下来，动作也应当有所进展。世界模型需要保留已经见过的内容，也需要延续已经发生的变化。 围绕这些问题，浙江大学、复旦大学、蚂蚁集团、南京大学研究团队提出 WorldMemBench，通过可控的镜头离开与回访，系统评估视频世界模型的静态记忆、动态记忆，以及反复探索中的记忆保持。基准包含 260 个案例、23 个内容类别，对九个代表性模型进行了评测。  研究发现，静态内容保持与动态事件延续呈现出不同的模型优势；连续三次回访时，九模型平均的七项静态记忆分数均持续下降。这些结果表明，对世界模型记忆能力的评测，需要同时考察静态记忆与动态记忆，并通过多次回访检验记忆能否持续保持。