PAWBench: How Far Are We from Probabilistically Aligned World Modeling?
PAWBench 论文提出概率对齐（probabilistic alignment）作为世界模型分布级标准，并引入 PAWEval 协议，将重复视频生成转化为物理行为的经验分布。在 50 个场景和 11 个当前系统中，没有模型能一致匹配参考概率并覆盖有效行为范围。
Development
- First ReportPAWBench: How Far Are We from Probabilistically Aligned World Modeling?Hugging Face Daily Papers
- Industry ResponsePAWBench: How Far Are We from Probabilistically Aligned World Modeling?arXiv cs.AI
- Current Assessment该基准可能推动视频生成模型从追求单样本逼真度转向分布级一致性，影响世界模型和具身智能的训练目标。若被广泛采用，可能催生新的评测标准和优化方向。Agent Pulse · analysis
论文《PAWBench: How Far Are We from Probabilistically Aligned World Modeling?》指出，视频生成模型常被当作世界模型，但物理过程可能有多重有效演化方式，因此世界模型应复现相同初始观测和动作下可能行为的分布，即概率对齐。现有评测多评估单视频合理性，未检验重复生成是否恢复正确分布。为此，作者形式化概率对齐为分布标准，提出 PAWBench 基准和 PAWEval 协议，将重复视频 rollout 转化为经验分布。在 50 个场景和 11 个当前系统中，没有模型能一致匹配参考概率并覆盖有效行为范围，表明当前视频生成器在概率对齐世界建模上存在明显差距。
PAWBench 将世界模型评估从单视频合理性转向分布级对齐，PAWEval 通过重复 rollout 构建经验分布，可能成为视频生成评测的新范式。未来可关注该基准是否被社区采用，以及模型是否在概率对齐指标上取得进展。
该基准可能推动视频生成模型从追求单样本逼真度转向分布级一致性，影响世界模型和具身智能的训练目标。若被广泛采用，可能催生新的评测标准和优化方向。
对视频生成和世界模型公司，该基准提供差异化评测维度，可能影响产品定位和研发投入。率先在概率对齐上取得进展的模型可能获得竞争优势。
后续可观察 PAWBench 是否成为标准基准，以及是否有模型在概率对齐上取得突破。若差距缩小，可能加速世界模型在机器人等领域的应用。