WorldEval / dWorldEval

数据配方

WorldEval（美的 + 华东师大）：Policy2Vec 让视频模型跟随潜在动作成为模拟器，LLM 自动判成败。dWorldEval（arXiv 2604.22152，ICML 2026）改用离散扩散世界模型，视觉语言动作同在 token 空间，用稀疏关键帧记忆与 progress token 判成功 [1][2]。

结果与证据

WorldEval 表 1 三任务 r 为 0.958/0.887/0.980，均值 0.942，MMRV 0.044；real-to-sim 基线 r 0.411、MMRV 0.261；陌生背景 r 0.927；仅比较 4 个策略（DP、OpenVLA、DexVLA、π0）[1]。dWorldEval 称优于 WorldEval、Ctrl-World、WorldGym，摘要未给 r 值 [2]。

已知缺陷与口径

第三方摘要曾引 0.79，以论文表 0.942 为准。自述低成功率策略下有形变与幻觉；复杂任务上 FID 与性能相关性下降。

来源

1. arXiv 2505.19017 (2026-10-14)
2. arXiv 2604.22152 (2026-10-14)