Problem

現有的世界模型過於專注於生成逼真的單幀畫面或受控運鏡，卻忽略了物理世界的核心特性：狀態的持久性。目前多數模型在鏡頭移開後，會讓場景中的事件「暫停」，等鏡頭轉回時才從斷點繼續，無法模擬出「即使無人觀察，月亮依然繞行軌道」的客觀物理現實，這是當前評測基準中的一大盲點。

Method

研究團隊開發了 WRBench 診斷基準，將運鏡視為對「可觀察性」的干預，並透過人工校準的評估鏈來檢測模型表現。該流程包含三個階段：檢查模型是否準確執行請求的互動、觀察期間場景是否保持連續且可辨識，以及當鏡頭回到目標物時，該物體的狀態是否符合其在未受觀察期間應有的物理演化進度。

Results

針對 23 個模型、9,600 部影片的測試顯示，現有系統普遍將世界視為一種「追蹤鏡頭」，僅在被觀察時維持狀態。當鏡頭轉回被遺棄的目標時，物體會停留在消失前的狀態而非推進事件。這種失敗模式在不同的控制範式、模型家族及參數規模中均普遍存在，證明單純提升影像解析度、幾何先驗知識或模型大小，皆無法解決物理狀態演化的缺失。

Significance

這項研究重新定義了世界模型的開發重心，強調「物理狀態內核」與「世界線一致性」應成為第一類設計目標。若要實現真正的通用人工智慧，世界模型必須捕捉物理世界如何隨著時間推移而演變的規律，而不僅僅是預測下一幀視覺影像的呈現方式。