Hugging Face · 每日论文· 媒体 / 作者来源·精选
MIST 评测揭示视频世界模型记忆失败主因：未执行指令而非遗忘
原文标题
Execution Before Memory: Diagnosing Memory Failures in Video World Models
AI 导读
研究者提出 MIST 评测，将“场景设置”与“应留下的记忆”分开检验，发现视频世界模型在记忆测试中失分主要因为未执行被指示的变更，而非遗忘。基于此提出 M3-Agent（Make the Missing Move），递归改写输入指令细节以促使模型执行指令，其 MIST reveal 得分相比基线提升三倍以上，WRBench 的 T 分数提升 26.1%，MBench-T 的 U 分数提升 52.7%。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
把视频世界模型的“执行失败”与“记忆失败”拆开诊断，并给出可递归改写指令的 M3-Agent，使冻结模型在既有基准上显著提升，为世界模型评测与提示设计提供了可复用方法。
导读由模型辅助整理，非独立核验。完整信息见原文。