WorldGuide视频世界模型发布

2026年10月8日，Hugging Face Daily Papers 报道论文 WorldGuide。该工作将程序化视频生成建模为视觉世界空间中的闭环任务执行：模型可依据初始图像和任务目标，逐步预测原子动作，生成对应视频片段，并判断任务流程应继续还是终止。报道还称，作者同步提出 WorldGuide Bench，用于评测这类面向程序化任务执行的视频世界模型；该基准包含约 59K 个带步骤标注的视频、245 个任务，覆盖 27 类程序化类别。目前报道信息主要集中在论文方法设定与基准规模，尚未提供更多后续进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。