arXiv · AI· Samuele Punzo, Niccol\`o Caselli, Ippokratis Pantelidis, Francesco Massafra, Salvatore Lo Sardo, Mohammadreza Salehi·· 5 小时前AI 评分28
视频基础模型如何编码直觉物理：跨预训练范式的探究
How Do Video Foundation Models Encode Intuitive Physics? Probing Across Pretraining Paradigms
AI 导读
研究表明视频基础模型普遍编码了直觉物理信息，但非单一均匀能力。 在 MVP 基准上 V-JEPA 达到 95.0% 配对一致性，在 IntPhys2 基准上 VideoMAE 以 73.9% 违规准确率表现最佳。 物理信息的可访问性高度依赖于基准测试和探测方式，而非模型规模或预训练目标。
来源：arXiv · AI · arxiv.org