浙大等發布 WorldMemBench，評測影片世界模型記憶
浙江大學、復旦大學、螞蟻集團與南京大學團隊推出 WorldMemBench，用可控的“離開—回訪”鏡頭評測影片世界模型的記憶。基準含 260 個案例、23 個內容類別，分靜態記憶、動態記憶及影片品質、相機跟隨四個維度，測試了 HY-WorldPlay、LingBot-World 等九個模型。結果顯示靜態與動態記憶的強項分化：HY-WorldPlay 七項靜態指標全部領先，LingBot-World 動態記憶總分最高；
將靜態內容保持與動態事件延續分開量化，並用三次回訪暴露記憶衰減，還對比了 FullKV、滑動視窗與 FoV 三種上下文策略；程式碼、資料與生成結果均已開源，可供影片世界模型研究與評測直接複用。
原標題：看过的场景能否记住，发生的事件能否延续？WorldMemBench 系统评测世界模型记忆
閱讀原文
| 評分 | 62 / 70（平均 66，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
港科大等發布首篇自迴歸影片生成 Memory 綜述，110 頁
香港科技大學、香港城市大學、復旦、CMU、NYU、NTU 等機構聯合發布 110 頁綜述《The Past Frames the Future: Memory for Autoregressive Video Generation》，系統梳理自迴歸影片生成中的 Memory 機制。
WorldOracle 評測平台開放，世界模型物體與長序列預測明顯退化
由普林斯頓大學、多倫多大學、NVIDIA 與智元等機構提出的世界模型評測平台 WorldOracle 於 10 月 16 日向開發者開放，以真實操作記錄檢驗模型對動作後果的預測。首批七種模型暴露兩類問題：機械臂路徑跟得準但物體位置偏差大，IRASim 機械臂得分 78.8、物體僅 29.1，Cosmos 3 為 89.4 與 45.4；
Honeycomb 用六張固定平面為影片世界模型做恆定大小記憶
Honeycomb 提出用六張固定尺寸的二維特徵平面（HexMemory）儲存場景，讓影片世界模型的記憶不隨影片長度增長。預設配置為 512 解析度、特徵秩 48，約 73.9 MB；降到 256 解析度後僅 19.8 MB，閉環 PSNR 只從 17.22 dB 微降到 17.10 dB。在 WorldScore 閉環重訪測試中它取得最佳結果：PSNR 17.22 dB、SSIM 0.504、光流誤差 3.00 畫素，明顯優於 Spatia 的 6.64 畫素。
優必選 Thinker-WM 登頂三大具身世界模型基準
優必選 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena Track-1 三項具身世界模型基準評測中均列第一，WorldOlympiad 綜合得分 0.740，EWMBench 總分 4.66，超過 Qwen-RobotWorld、Sora2 等模型。
清華等推出 OSWorld-Science，12 個模型平均得分 34.3%
清華大學牽頭聯合多所高校推出 OSWorld-Science 科研智慧體評測基準，含 146 項專家任務、覆蓋 7 大科學領域與 14 種科研軟體配置，12 個視覺語言模型平均任務得分僅 34.3%。Claude Fable 5.1 以 73.7% 領先，Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分別為 57.9%、57.4% 和 50.1%，但化學類任務中僅少數模型超過 20%。