视频模型擅长生成逼真帧，但缺乏抽象逻辑推理
简而言之：这些视频模型擅长生成看起来像时空推理的合理下一帧，但抽象逻辑推理和全局一致性很差——例如穿墙而过。抄送 @ylecun @demishassabis
像Sora-2和Veo-3这样的视频模型看起来不可思议，但它们真的能推理吗？🤔
📣 介绍MMGR：多模态生成推理，一个新的基准，评估视频（Veo-3, Sora-2和Wan-2.2）和图像模型 https://t.co/RVwkIIkqvj
动态
像Sora-2和Veo-3这样的视频模型看起来不可思议，但它们真的能推理吗？🤔
📣 介绍MMGR：多模态生成推理，一个新的基准，评估视频（Veo-3, Sora-2和Wan-2.2）和图像模型 https://t.co/RVwkIIkqvj