arXiv发布WorldGuide闭环视频世界模型

发生了什么

据arXiv cs.CV论文《WorldGuide: Goal-Directed Video World Model for Procedural Task Execution》介绍，研究提出用于程序化任务执行的闭环目标导向视频世界模型。该模型仅根据初始图像和任务目标预测原子动作并生成视频片段，利用结果选择下一步或终止。为支持训练，引入约5.9万步标注视频的WorldGuide Bench。在WorldGuide-Bench上，WorldGuide实现33.33%的任务成功率，高于MiniMax-H3的29.90%；在VideoCraft-Bench上达到47.69%，对比MiniMax-H3的32.73%。