待验证50% 置信事实精确时间
近年视频生成模型（如Diffusion World Models）的引入提升了高维观测下的预测质量，但复合误差问题仍未根本解决。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/27
首次发现
有效期至：2027/1/25
来源
涉及实体
相关事实
待验证单次视频生成结果受模型随机性波动影响，无法据此得出通用排名。66% 相似待验证AI视频生成模型的标准评测指标主要包括FID、FVD、CLIP Score，但这些指标很难捕捉需要领域知识和物理常识才能识别的细粒度错误66% 相似待验证横向对比模型做短片时，需统一推理强度、是否包含缓存、是否含工具调用token等口径，单纯比较耗时和token用量并不公平。66% 相似待验证一项3,000题的探针实验显示，VLM错误预测反而比正确预测吸引了更多图像注意力（Cohen's d = -0.46，p = 1.4×10⁻²⁴），与基于grounding的修正方法的核心假设相反。65% 相似待验证在PlanBench的神秘方块世界测试中，2023年的模型几乎完全失败，但O1等推理模型的出现带来了显著改善65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1103308API
curl https://kongchang.com/api/v1/knowledge/claims/1103308MCP
get_claim(id=1103308)