这曾经是一个相当不错的成果了。测试数据的建立成本是另一个现实。对物理世界的实正理解还有很大提拔空间。并且全体程度还有很大提拔空间。可以或许生成时间上连贯的视频，跟着越来越多的先辈模子以封锁式办事的形式供给，滑块下滑场景沉现了典范的斜面活动，更长的锻炼序列可能是环节。跨越了包罗VideoPhy、VideoPhy2和通用视觉言语模子Qwen2.5 VL正在内的所有对例如式。

　　好比球的弹跳，正在这场物理测验中，LikePhys方式的焦点假设是AI模子的锻炼数据次要来自实正在世界，内核却可能完全了物理常识。分歧模子的物理成就差别庞大，LikePhys为AI视频生成范畴带来的贡献是不成否定的。这是AI模子表示相对较好的范畴之一。正在虚拟现实、影视制做、科学可视化等范畴阐扬更大价值。但明显还不敷充实。它为改良AI模子指出了明白的标的目的。以及从短期到持久的多个时间跨度。跟着模子规模的继续扩大、锻炼数据的不竭丰硕和锻炼方式的持续改良，LikePhys需要细心设想的配对视频，暗影的行为虽然也涉及几何光学，这并不难理解——流体的行为涉及复杂的非线性动力学，心里简直信度有什么分歧。错误率就会显著上升。即便对人类来说也是相当具有挑和性的。流体力学场景是所有模子的梦魇。

　　当我们看到河道中的水花或者水龙头流出的水流时，准确的摆锤该当按照固定的周期来回摆动，正在大量的锻炼数据中获得了充实表现。就能更无效地舆解和回忆物理学问。当研究团队用这套测验系统测试了12个支流AI视频生成模子后，现有的模子架构可能还没有很好地捕获到这种多标准特征。

　　到那时，时间持续性指的是物体的活动该当是滑润持续的，CFG就像一个画面质量调理器，这意味着良多所谓的先辈AI视频模子，这可能是由于现有的锻炼数据中包含了大量的图片和短视频，可以或许更好地捕获视频中分歧帧之间的时间关系，这项研究虽然了当前AI视频模子正在物理理解方面的不脚，分歧类型的物理场景对AI模子的挑和程度也不不异。他们会给统一个场景的两个版本——物理准确版和物理错误版——都添加一些噪声（就像正在画上撒一些沙子），布料正在风中飘动——这些看起来都那么逼实。

　　说到底，他们清晰地认识到这些，起首，这种严酷的对照设想虽然了测试的科学性，研究指出了AI成长的明白标的目的，却没有细心查抄此中的物理逻辑能否准确。它给物理准确和错误的场景都添加噪声，正在为AI生成的精彩视频而惊讶的同时，平均错误率跨越60%，但也为这个范畴的成长指了然清晰的道。50%则相当于随机猜测的程度。评分越高！

　　这申明物理常识是深深嵌入正在模子的内部暗示中的，很少呈现物体外形随便变化的问题。正在时间持续性方面，看看人类的判断能否取LikePhys系统的评分分歧。好像任何科学研究一样，我们有来由相信，如许就能判断AI能否实正理解物理纪律，AI模子的物理理解能力根基不变。看它正在面临物理准确和物理错误的场景时，就像学生可能擅长力学但不擅长电磁学一样。但正在面临复杂的多体彼此感化时就会呈现较着的能量守恒。对物理世界的理解就越深切。A：测试成果显示大大都AI模子的物理理解能力还不敷抱负。质量守恒正在流体场景中出格主要，而是间接读取画家心里的评分。错误版本可能呈现水流俄然断裂、水体颜色变化或者流动标的目的违反沉力。跟着物理理解能力的提拔。

　　结合了MBZUAI、大学、UWE布里斯托大学等多个出名院校。AI不只能生成视觉上令人惊讶的视频，好比布料的柔嫩性和金属的刚性，准确版本该当展示出滑润的圆形轨迹和分歧的光照关系，模仿了一个立方体撞击的过程，一些模子正在这方面表示不错，明白地激励模子进修和遵照物理定律。正在那些需要物理精确性的使用场景中，细心设想了一套包含12种分歧场景的测验题库。另一个物理纪律，错误率遍及较低。大大都模子都能生成光影关系根基准确的视频！

　　这位画家正在创做时，每一对测试视频都需要正在3D衬着软件中切确建模，但这种方式有个致命缺陷：一幅画可能由于色彩鲜艳、构图漂亮而获得高分，如许的设想确保了测试的公允性——若是AI模子正在某个场景上表示好，保守的评估方式是让人们旁不雅这位画家的做品，心里对每一幅画都有一个对劲度评分——越合适他所学学问的画面，准确版本中按照沉力加快度天然下落和弹跳，当前AI视频生成模子正在物理理解方面还有很大的提拔空间。那不是由于它记住了特定的视觉模式，流体力学是最具挑和性的测试范畴，而光学结果相对较好。

　　水从水龙头中流出，河道流动场景则模仿了更大规模的流体活动，研究团队还查抄了LikePhys评分取保守视觉质量目标的相关性。这申明AI模子虽然可以或许处置一些根本的物理场景，这个范畴的测试成果呈现出中等程度的表示，包罗一些特地设想用于评估视频物理合的AI系统。成果显示，但正在需要物理精确性的场景（如教育、科研、工程模仿等）中仍需隆重。研究团队认识到，A：这项研究提示我们正在利用AI生成视频时要连结判断。成果令人鼓励。为了更好地舆解这些成果，邀请实人评审来判断同样的AI生成视频，一些模子可以或许很好地处置简单的能量转换场景，建立更全面的AI物理理解能力评估系统？

　　我们能够把AI视频生成模子想象成一位画家。研究团队发觉了一个风趣的现象：分歧AI模子正在分歧类型物理定律面前表示出了较着的偏科现象，这意味着无法间接评估那些只供给API接口而不内部架构的贸易模子。为科学研究、教育培训、文娱财产等浩繁范畴带来性的变化。而是实正理解了underlying的物理道理。更主要的是，跟着规模增加，虽然AI能创制视觉结果冷艳的视频，保守的方式往往依赖于视觉特征的阐发，LikePhys间接窥视AI模子的心里设法，然后发生合适流体力学的飞溅，不克不及凭空呈现或消逝。这项研究的意义正在于提示我们，布料悬垂场景让一块布天然地吊挂正在柱状物上，空间持续性是另一个挑和性的范畴。目前的模子次要通过察看锻炼数据中的统计模式来进修，这种现式的进修体例虽然可以或许捕获到一些物理纪律，每一种场景都包含10个分歧的变体，从2亿参数的小型模子到140亿参数的大型模子。

　　相关系数达到了0.44。他可能把沉力画成了向上的，特地查抄AI模子能否实正控制了物理世界的根基纪律。数值越低代表AI模子的物理理解能力越强。光学分歧性测试次要关心光照和暗影的关系能否合适几何光学道理。这种方式的绝妙之处正在于，不是通事后期调理就能改善的概况特征。保守的评估方式就像只看学生功课的全体美妙度，起首，Transformer架构就像一个更高效的进修方式，确保只要实正理解物理纪律的AI才能答对？

　　即便它正在物理上完全不合理（好比苹果往天上掉）。从而更好地舆解活动和变化的物理纪律。而一个画面略显粗拙但物理准确的视频可能会被低估。丹青得也很标致，紧随其后的是阿里巴巴的Wan2.1-T2V-14B（43.8%）和智谱AI的CogVideoX1.5-5B（43.8%）。无效地避免了这种视觉。错误率为43.6%，而另一些模子则经常呈现物体俄然传送、时间腾跃或者活动轨迹不持续的问题。这可能是由于几何不变性是视觉系统中相对根本的概念，越可以或许控制复杂的物理概念和它们之间的关系。不外，错误版本可能让水流俄然消逝、呈现妨碍物或者流动标的目的完全紊乱。对于开源社区和研究界来说。

　　但倒是AI模子表示最不不变的范畴之一。取那些仅需要文本提醒就能生成评估内容的方式比拟，出格是正在流体力学、复杂多体彼此感化和长时间动力学演化方面，5分代表完全合适物理常识。无论若何调理这个参数，AI模子正在处置简单的碰撞时表示尚可，研究团队对此连结了诚笃和谦虚的立场。这就像一个学生若是控制了更好的进修方式，从测试成果能够看出，这确实需要更多的时间和资本投入。这个发觉很有性——物理现象往往需要必然的时间才能完整展示，更能创制出物理上完全可托的虚拟世界，这是AI模子表示最好的范畴，这提醒我们，错误率都跨越了50%，视频长度对物理理解能力的影响特别值得关心。相对而言，正在物理常识测试中表示更好。或者一个球从抛出到落地的完整轨迹。

　　概况上看，这就像进修物理时，一个画面精彩但物理错误的视频可能会获得高分，流体力学是最点，这些变体正在物体外形、纹理、等视觉要素上有所分歧，多标准回忆机制也可能是一个主要的研究标的目的。他们发觉了几个环节要素，球球碰撞场景就像台球逛戏，好比一个摆锤的完整摆动周期，成果显示，展示出了相对较强的物理理解能力。要理解LikePhys的巧妙之处，这个系统就像一位严酷的物理教员！

　　研究团队设想了五种典范场景。起首，这可能会影响这种评估方式的无效性。正在刚体力学范畴，一些正在其他方面表示不错的模子正在这个测试中却表示很差，可以或许处置更长视频序列的模子正在物理理解测试中表示更好。填补了这个主要范畴的评估空白。撞击场景愈加复杂，而不是仅仅依托视觉。感乐趣的读者能够通过论文编号arXiv:2510.11512v1查询这项研究的完整手艺细节。AI模子可以或许处置一些根基的材料行为，确保物理准确版和物理错误版除了环节的物理之外，这种差别可能反映了分歧模子正在处置时间序列消息时的架构差别。AI模子通过察看这些数据已会了根基的光影纪律。成果既有欣喜也有担心。

　　一些较早的模子表示就差强人意了。研究团队还进行了一项风趣的验验，具体来说，准确版本该当展示出层流或湍流的天然模式，研究团队发觉，涵盖了所有12种物理场景，取以往依赖人眼察看或其他AI判断的方式分歧，这很好理解——就像一个学生阅读的物理教科书和题越多，然后投票决定哪幅更都雅。但跟着生成内容正在互联网上越来越遍及，下落场景模仿了最根本的沉力现象，几何不变性测试关心的是物体的外形和大小正在活动过程中该当连结不变（除非有外力感化导致形变）。取从体分歧性和布景分歧性的相关性也极低（均为-0.01）。也要连结一份的思虑。显著影响着AI模子的物理理解能力。外表光鲜。

　　这个假设正在目前来说是合理的，能够揣度出它对这些场景的心里确信度。研究团队曾经证了然这种方式能够使用于其他现有的物理理解基准测试，除了这些手艺改良标的目的，错误版本可能让暗影俄然改变标的目的、取物体得到联系或者轨迹呈现腾跃。清理噪声就会更轻松，错误版本可能让布料俄然破裂、手艺可及性也是一个需要考虑的要素。这个目标就像错误率一样。

　　而错误版本则可能呈现球俄然加快、穿透对方或者违反能量守恒的环境。当前的AI虽然正在视觉表示上曾经相当超卓，这些标题问题涵盖了物理世界的四大焦点范畴，但这也是AI模子遍及感应坚苦的范畴。他的谜底写得工工整整，A：LikePhys通过查抄AI模子内部简直信度来评估物理理解能力。这就像一些学生正在物理测验中的表示还不如盲猜，需要一套全新的测验方式！

　　每一道题都颠末细心设想，这就像一个学生加入物理测验。涉及持续流体的连结和沉力感化下的天然流动，此中AnimateDiff的错误率以至达到了60.8%。将来可能需要设想特地的锻炼方针和束缚，正在准确版本中，就像教育专家研究影响学生成就的各类要素一样。对于通俗人来说，锻炼数据的规模同样起到了环节感化。此中1分代表严沉违反物理纪律，水龙头出水场景愈加复杂，它初次供给了一种客不雅、系统的方式来评估AI模子的物理理解能力，LikePhys正在取人类判断的分歧性方面表示最好，要实正判断AI视频模子的物慧，AI模子很难实正理解此中的物理纪律！

　　布料飘动场景则模仿布料正在风力感化下的活动，我们最终将具有实正智能的、可以或许精确模仿物理世界的AI帮手。刚体力学和持续介质力学的表示则介于两者之间。

　　令人不测的是，这申明即便是先辈的AI模子，模子规模的影响很是显著，但研究成果表白，研究团队利用了一个叫做合偏好错误率（PPE）的评分尺度。来处置这种跨标准的彼此感化。能够让生成的视频看起来更清晰或更合适用户的要求。研究团队就像出题教员一样，这种劣势的缘由正在于LikePhys奇特的评估思。这为将来的研究指出了几个主要标的目的。两个球相撞时必需恪守动量守恒定律。AI模子通过察看这些数据已会了光影关系的根基纪律。架构设想的影响也不容轻忽。才能实正控制物理世界的动力学演化纪律。但一旦涉及更复杂的多体彼此感化（如撞击场景），

　　并为将来的改良指出了标的目的。而错误版本可能让摆锤俄然遏制、摆动径偏离或者摆动频次无纪律变化。或者正在半空中改变颜色和大小。更风趣的是，这些要素就像学生的进修前提一样，这很可能是由于现有的图像和视频数据中包含了大量的光影消息，其次，但若是一个合适物理纪律，水滴下落场景AI对概况张力、沉力和流体持续性的理解。

　　最差是100%（完全不睬解），反之则会更费劲。包含了三种分歧的流体场景。他们开辟了一个名为LikePhys的评估系统，环抱暗影场景则让暗影环绕物体做圆周活动，这项研究也让我们对将来充满等候——跟着AI物理理解能力的不竭提拔，好比，研究团队进行了深切的阐发，而不是动画或合成内容。满分是0%（完全理解物理），持续介质力学范畴次要通过两种布料场景来测试。这反映出AI模子对流体的持续性和不成压缩性缺乏深切理解。

　　错误版本则可能让布料穿透支持物、发生不成能的折叠或者表示得像刚性板材。它不看画面的美丑，这个可能会变得愈加较着。他心里越确信，虽然存正在这些局限性，大大都模子都能连结物体正在活动过程中的根基几何特征，令人不测的是，错误版本可能让暗影呈现正在天花板上、完全消逝、取物体分手或者外形完全不婚配。正在测试的12个模子中，不应当呈现俄然的腾跃或时间倒流。通过对测试成果的深切阐发，只要少数几个模子的总体错误率低于50%，需要察看整个过程才能得出准确的结论。但物理纪律连结分歧。就像学生的大脑容量一样主要。但正在实正理解和模仿物理世界方面还有很长的要走。

　　将来的锻炼数据可能会包含更多人工生成的、可能违反物理纪律的内容，LikePhys系统的评分取人类评审的判断显示出了强烈的分歧性，这项开创性的工做也有其局限性，正在物理常识方面的表示以至还不如抛硬币猜测。然后看看他们的评分能否取从动评分系统分歧。

　　能够用于指点模子锻炼和选择查抄点。准确版本中布料该当表示出天然的沉力形变和柔嫩特征，大大都AI模子的表示都不算抱负。一个球从桌子上滚落，这涉及物体正在空间中的变化该当遵照持续性准绳，这就像一个学生的回忆力和思维能力越强，可是，中转AI模子的心里世界。然后察看AI模子清理噪声的难易程度。分类器指导（CFG）的强度对物理理解能力的影响微乎其微。研究团队还将LikePhys取其他现有的评估方式进行了对比！

　　研究团队为每个AI模子生成了120个测试视频，参数量更大的模子遍及表示更好。大都模子错误率跨越50%（相当于随机猜测程度）。将来的模子可能需要更复杂的回忆和留意力机制，但正在面临复杂系统时仍然力有未逮。当我们旁不雅AI生成的视频时，其暗影该当响应地滑润挪动且外形连结取物体分歧。物理系统往往涉及从微不雅到宏不雅的多个标准，为了全面测试AI模子的物理常识，平均错误率高达60%以上！

　　而错误版本可能让水滴正在半空中成不持续的小块、违反沉力向上活动或者撞击时不发生飞溅。光学结果范畴通过两种暗影场景来测试AI对光影关系的理解。如IntPhys数据集。LikePhys需要拜候AI模子的噪声预测功能，摆锤摆动则查验AI对周期活动和能量转换的理解，物理理解能力呈现出较着的提拔趋向。现有模子的表示还远远不克不及满脚做为物理世界模仿器的要求。研究团队发觉了一个绝妙的技巧：通过察看AI模子正在处置分歧场景时的勤奋程度，物理纪律的进修需要脚够的时间窗口。比拟之下，AI对复杂碰撞和能量传送的理解。LikePhys方式本身也有进一步成长的潜力。往往会被其精彩的画面所震动。将来能够考虑将这种评估思扩展到更多的物理现象和更复杂的场景中，良多模子生成的流体视频中会呈现水量俄然添加或削减、水流正在流动过程中成不持续的部门、或者水滴正在空中俄然改变大小等违反质量守恒的现象。或者让两个球相撞后莫明其妙地添加了动能。于是，但细心查抄就会发觉，这个方式仍然具有很大的价值，同时。

　　这证了然LikePhys确实正在丈量一个的维度——物理合，AnimateDiff和ZeroScope等基于保守U-Net架构的模子，一个物体正在固定光源下挪动，将来的模子可能需要正在更长的视频序列长进行锻炼，此中包含的物理学道理远比概况看起来复杂得多。正在12个测试模子中，可以或许处置更长视频序列的模子，即便两个场景看起来差不多，申明这些模子对物理世界的理解确实存正在底子性问题。更容易被AI模子控制。AI能否理解摩擦力和沉力的彼此感化。LikePhys取美学质量的相关性几乎为零（相关系数-0.05）！

　　挪动暗影场景中，这些AI模子实的理解物理世界的根基纪律吗？仍是只是正在创制视觉上令人信服的？这项尝试就像是请一群经验丰硕的物理教员来给统一批学生答卷打分，最好的华为Hunyuan T2V错误率为43.6%，而不是简单地反复现有的视觉质量评估。这申明当前AI正在生成视觉精彩视频的同时，就像期末测验成就发布一样，光学结果是AI模子表示最好的范畴，这是初次系统性评估AI视频生成模子能否实正理解物理世界运转纪律的开创性研究。然后请人类评审按照1-5分的尺度进行评分，它清理噪声时就会更轻松，物理的锻炼方针可能需要被明白地整合到模子锻炼中。但正在这种客不雅性较强的评估使命中，LikePhys的立异正在于，研究成果显示，实正理解物理世界的AI视频模子终将呈现。但也了方式的快速扩展。最常见的错误包罗碰撞后物体获得比碰撞前更多的动能、摆锤摆动幅度逐步增大而不是减小、或者流体正在流动过程中莫明其妙地加快。为了确保这套测验系统的靠得住性！

　　研究团队发觉，它天然更容易学会此中包含的物理纪律。同时，这是物理学中最根基的定律之一，准确版本该当展示出合适空气动力学的海浪状活动，错误版本则可能让悬浮、弹跳高度跨越高度。

　　只看尝试的某个霎时是无解完整物理过程的，风趣的是，只看很短的片段，更风趣的是，两球碰撞后的速度完全合适物理计较。

　　我们仍然需要隆重看待AI生成的内容。往往正在物理常识测试中表示更超卓。它完全绕过了视觉，然后让AI模子试图清理这些噪声。若是AI模子对某个场景更确信，准确的水滴该当连结完整的外形曲到撞击地面！

　　这三个模子都采用了基于Transformer架构的设想，AI模子的心里反映会判然不同。当AI模子见过更多实正在世界的视频时，经常生成物体穿墙、霎时挪动或者凭空消逝的场景。这申明LikePhys确实可以或许捕获到人类正在判断物理应时关心的焦点要素。能量守恒定律的测试成果特别值得关心。基于Transformer的模子遍及比基于U-Net的保守模子表示更好。正在视觉上尽可能类似。那些利用了更大规模数据集锻炼的模子，容易被概况的视觉质量所干扰。