重新定義影片世界模型：MBench 基準測試全面評估長效記憶與狀態一致性

本研究推出 MBench 評測基準，填補了影片世界模型在長效記憶評估上的空白。透過實體、環境與因果三大維度，系統性量化模型維持內部狀態一致性的核心能力。

Problem

目前的影片生成模型雖然能產出高畫質影像，但仍難以作為真正的「世界模型」運作。現有評測指標多聚焦於視覺品質與文字對齊，忽視了世界模型最重要的核心——長效記憶，導致模型在長時間跨度或複雜互動中，難以維持內部狀態的一致性與合理性。

研究團隊開發了 MBench 基準測試，將影片世界模型的記憶能力系統化地分解為實體一致性、環境一致性及因果一致性三大核心維度，並進一步細化為 12 個可量化的子維度。該基準採用嚴格篩選的真實長影片，並結合規則導向的定量矩陣與視覺語言模型（VLM）進行客觀評估。

對主流尖端影片世界模型的廣泛評估顯示，現有方法在長效狀態保留方面存在顯著的系統性侷限。模型在處理長時間跨度的實體特徵維持與環境邏輯一致性時表現不佳，暴露出當前技術與理想世界模型之間的巨大鴻溝。

這項研究為影片世界模型領域提供了首個標準化的記憶能力衡量工具。MBench 不僅能精確量化模型的技術瓶頸，也為未來研究指明了清晰的方向，推動影片生成技術從單純的視覺模擬轉向具備物理邏輯與穩定記憶的真實世界模擬。