**视频世界模型：通过阅读、写作、共享与交互理解世界**

_Reading, Writing, Sharing, and Interacting with the World through Video_

> 该综述以“世界建模”为统一视角，将视频基础模型与世界模型整合为四大互补操作：从视频推断世界属性（阅读）、根据世界条件生成视频（写作）、通过共享机制统一理解与生成（共享）、以及在动作与观测下预测更新世界状态（交互）。文章指出，研究重心正从片段级识别与感知保真度，转向持久状态、可控演化、物理因果有效性及基于交互的评估，并梳理了当前面临的关键挑战。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.31668)