**WorldCast：探索世界状态预测中的智能视觉生成**

_WorldCast: Exploring Intelligent Visual Generation in World State Prediction_

> 研究提出了 WorldCast 基准，包含 320 个手动设计的案例，用于评估多模态模型在复杂世界状态预测（多步预测）上的表现。实验发现前沿模型（如 GPT-Image-2.5 System）已展现出初步的视觉状态预测能力，但模型间存在显著差距，且开源模型在处理复杂上下文和推理任务时仍面临挑战，这突显了开发具备动态规划与深度统一能力的多模态生成模型的必要性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.20731)