復旦與美團 LongCat 開源互動世界模型基準 WBench

復旦大學與美團LongCat已開源WBench，這是一個用於評估互動世界模型中視頻生成的基準測試。WBench包含289個測試案例和1,058個互動回合，並提供導航、動作與觀點控制方面的支撐與阻力指標。該基準測試採用文字、6自由度姿態和離散動作進行跨控制比較。評估包含22項指標，與人類評分具有高度相關性。測試顯示，物理準確性與渲染效果一致，但控制能力仍落後。未平倉分析凸顯模型在多輪互動中的弱點，其中導航控制衰退最快。HY-World 1.5在穩定性上領先，而LingBot-World在一致性上表現出色。第一人稱視角與剛性主體仍較易處理，而非剛性主體則仍是持續的挑戰。