研究探测视频模型是否编码直觉物理

一项由 Samuele Punzo 等作者发布的研究，用冻结特征探针检测预训练视频基础模型的表征中是否包含直觉物理信息，并比较这类信息在不同预训练范式、层数、骨干变体和探针类型下的可提取程度。 研究在 IntPhys2 和 Minimal Video Pairs（MVP）两个基准上，对比了 V-JEPA、VideoMAE 与 LTX-Video 三种预训练范式。报道未给出各模型的具体表现结论。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。