类Sora模型到底懂不懂物理?字节完成系统性实验证明
Sora爆火以来,模明“视频生成模型到底懂不懂物理规律”受到热议,型到系统性实但业界一直未有研究证实。底懂近日,不懂字节跳动豆包大模型团队公布最新论文,物理完成研究历时8个月,字节围绕“视频生成模型距离世界模型有多远”首次在业界完成系统性实验并给出明确结论:视频生成模型可以记忆训练案例,验证但暂时还无法真正理解物理规律,模明做到“举一反三”。型到系统性实
图灵奖得主、底懂Meta首席AI科学家杨立昆点赞并转发了该研究,不懂表示“结论不令人意外,物理完成但很高兴终于有人做了这个尝试!字节”
自OpenAI发布Sora模型以来,验证很多视频生成模型都会强调其生成结果对物理规律的模明遵循。豆包大模型视觉团队相关小组,对视频生成模型究竟能否从视觉数据中“发现”并“理解”物理定律感到好奇,决定深入研究。
历时8个月,该团队完成了业界首个系统性的实验研究。团队通过专门开发的物理引擎合成了匀速直接运动、小球碰撞、抛物线运动等经典物理场景的运动视频,用于训练基于主流DiT架构的视频生成模型。然后,通过检验模型后续生成的视频在运动和碰撞方面是否符合力学定律,判断模型是否真正理解了物理规律,并具有“世界模型”的潜力。
实验中设计的不同运动场景
豆包大模型团队的实验发现,即使遵循“Scaling Law”增大模型参数规模和数据量,模型依然无法抽象出一般物理规则,做到真正“理解”。
以最简单的匀速直线运动为例,当模型学习了不同速度下小球保持匀速直线运动的训练数据后,给定初始几帧,要求模型生成小球在训练集速度区间内匀速直线运动的视频,随着模型参数和训练数据量的增加,生成的视频逐渐更符合物理规律。
然而,当要求模型生成未曾见过的速度区间(即超出训练数据范围)的运动视频时,模型突然不再遵循物理规律,并且无论如何增加模型参数或训练数据,生成的结果都没有显著改进。这表明,视频生成模型无法真正理解物理规律,也无法将这些规律泛化应用到全新的场景中。
通过进一步的实验分析,研究团队得出结论,“生成新视频时,模型主要依赖对训练案例的记忆和匹配。视频生成模型就像一个只会‘抄作业’的学生,一旦遇到从未见过的场景,如不同大小、速度的物体相互作用,就会‘犯迷糊’,生成结果与物理规则不符。”
不过,研究中也有一个好消息:如果训练视频中所有概念和物体都是模型已熟悉的,此时加大训练视频的复杂度,比如组合增加物体间的物理交互,通过加大训练数据,模型对物理规律的遵循将越来越好。这一结果可为视频生成模型继续提升表现提供启发。
据了解,本研究两位核心一作都非常年轻,一位是95后,一位是00后,在豆包大模型团队专注视觉领域的基础研究工作。作者们一直对世界模型感兴趣,在8个月的探索中,他们阅读了大量物理学研究文献,也尝试从游戏中获得研发灵感,历经多次失败后,最终一步步确定研究思路和实验方法。
友链
外链
互链
Copyright © 2023 Powered by
六合彩图库源码【购买联系电报bc3979】AC彩票网站源码|六合彩源码|彩票搭建|新中原六合彩源码|【网站bc9797.com】六合彩论坛源码【联系飞机bc3979】
sitemap
-
文章
9155
-
浏览
1
-
获赞
98655
热门推荐
-
全球市场聚焦:黄金三年来最差一周!美元强势,油价延续跌势
汇通财经APP讯——本周全球市场走势分化:黄金创下三年来最大周跌幅,受美元强势和美联储政策预期影响,现货金价跌至2550美元附近寻求支撑;外汇市场美元独领风骚,英镑和欧元大幅走低;原油延续跌势,布伦特“天韵青年突击队”在行动之(八)
通讯员 李皛晨)6月28日,天津空管分局管制运行部进近管制室针对近期新终端区模拟机培训工作完成情况及冲突热点问题,组织召开阶段性研讨会,“天韵青年突击队”的业务骨干和管制部相关领导参加。新终端区工作程保障数量大幅增长 正点率继续提升
1至6月份, 青岛空管站共保障各类飞行502705架次,同比增长9.47%。其中保障青岛机场起降日均500架次,增长2.47%;保障进近飞行日均595架次,增长6.87%;保障区域飞行日均1682架次西北空管局运管中心多措并举做好近期安全工作
中国民用航空网讯:6月28日,运管中心召开专题党委会针对近期专机要客、信息通报、法定自查、人员资质排查等问题进行了安全形势分析,并提出从以下四个方面做好近期安全工作。一是要提高政治站位,要结合当下形势卡哇伊新战靴 New Balance Kawhi 首次曝光,手掌纹理抢镜
潮牌汇 / 潮流资讯 / 卡哇伊新战靴 New Balance Kawhi 首次曝光,手掌纹理抢镜2020年02月17日浏览:4453 卡哇伊刚刚拿到了全明星“Kobe大连空管站顺利完成甚高频设备飞行校验工作
2019年6月24日至29日,民航飞行校验中心B-9301飞机对空管站新建甚高频设备进行投产飞行校验。经过4个多小时的校验飞行,甚高频设备各项参数均符合要求,取得了合格的飞行校验报告结论。本次校飞标志珠海空管站召开“不忘初心、牢记使命”主题教育党务工作交流会
2019年6月26日,民航珠海空管站党委组织召开党务工作交流会,围绕开展“不忘初心、牢记使命”主题教育及“我和我的祖国”系列庆祝建国70周年主题活动为中心内容,讨论具体工作任务分解,交流各党支部主题党内蒙古民航机场集团公司安全质量管理系统现场交流会在包召开
本网讯包头机场:贺楠、贾星宇报道)近日,内蒙古民航机场集团公司安全质量管理系统现场交流会在包头机场召开。集团公司副总经理余利出席会议并作讲话。会议由集团公司安全质量部部长赵宏伟主持。图:安全质量管理系《蜘蛛侠4》官宣定档2026年7月 《尚气》导演执导
索尼影业官宣《蜘蛛侠4》电影将于2026年7月24日上映,和外界预测一致,将由《尚气》导演Destin Daniel Cretton执导。Cretton在离开《复仇者联盟5》电影项目后,由罗素兄弟接手青海空管分局后勤服务公司党支部开展主题党日活动
中国民用航空网通讯员晁宝山讯:“七一”前夕,青海空管分局后勤服务公司党支部开展“不忘初心,牢记使命”主题教育中,把迎“七一”,读党史,正三观为一项重要内容,引导党员、干部正确地认识中国特色社会主义道路青海空管分局后勤服务公司党支部开展主题党日活动
中国民用航空网通讯员晁宝山讯:“七一”前夕,青海空管分局后勤服务公司党支部开展“不忘初心,牢记使命”主题教育中,把迎“七一”,读党史,正三观为一项重要内容,引导党员、干部正确地认识中国特色社会主义道路中国史上智商最高的五个人:诸葛亮只能垫底
中国是四大文明古国,有着几千年的历史。出现过许许多多的有名的贤人志士,但今天小编就来细数五位中国史上五位智商最高的五位。网络配图NO.5诸葛亮诸葛亮想必大家都应该认识吧!他蜀国的军事,帮助刘备建立政权Vans Old Skool Pro BMX 全新 Larry Edgar 签名鞋款上架
潮牌汇 / 潮流资讯 / Vans Old Skool Pro BMX 全新 Larry Edgar 签名鞋款上架2020年02月19日浏览:5531 日前,在刚刚结束珠海空管站召开“不忘初心、牢记使命”主题教育党务工作交流会
2019年6月26日,民航珠海空管站党委组织召开党务工作交流会,围绕开展“不忘初心、牢记使命”主题教育及“我和我的祖国”系列庆祝建国70周年主题活动为中心内容,讨论具体工作任务分解,交流各党支部主题党打好安全生产坚实基础,备战暑运挑战稳操胜券
通讯员:冯浩)7月1日,一年一度的暑运又拉开了大幕,在此之前,西北空管局空管中心塔台管制室结合“三基”建设和暑运保障等重点工作,开展了以“防风险、除隐患、遏事故”为主题的“安全生产月”活动,在管制员队