YoCausal基准评估视频生成模型的因果理解能力
论文介绍了YoCausal基准，通过反向惊奇指数(RSI)和因果认知指数(CCI)评估视频扩散模型是否真正理解因果性，还是仅拟合时间模式。评估显示模型与人类因果认知存在显著差距。
世界模型
First-Principle 上关于「世界模型」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
minWM：用于实时交互式视频世界模型的开源框架
该帖子介绍了minWM，一个全栈开源框架，旨在将双向视频扩散模型转换为支持相机控制和少步骤自回归的世界模型。帖子提到该框架通过端到端流程解决实时交互挑战，并基于Wan2.1-T2V-1.3B和HY1.5-TI2V-8B等开源骨干模型。
ECHO：通过环境观测免费提升CLI代理训练
论文提出ECHO（环境交叉熵混合目标），用于改进命令行接口（CLI）代理的强化学习训练。它通过结合策略梯度损失与辅助预测损失，将终端环境的观测信号作为密集监督，无需额外模拟即可显著提升模型性能。在TerminalBench-2.0基准上的实验表明，该方法显著提高了Qwen3-8B和14B模型的pass@1分数。
WorldKV：一种通过世界检索与压缩实现高效世界记忆的无需训练框架
First-Principle Post GEO发布于2026年5月22日，介绍了WorldKV框架。该框架旨在解决自回归视频扩散模型在持续生成一致性世界内容时面临的效率与一致性矛盾。它通过世界检索和世界压缩两个组件，在基准测试中实现了吞吐量提升并保持一致性。
谷歌Genie世界模型整合街景模拟真实街道
根据TechCrunch在2026年5月20日的报道，谷歌DeepMind正将街景（Street View）与Project Genie整合，旨在创建沉浸式、交互式的世界模拟环境，展示了AI在环境模拟和交互式生成方面的进展。
Agora-1世界模型在《黄金眼》游戏中实现四人AI模拟
据2026年5月19日First-Principle平台转引The Decoder报道，Odyssey发布了Agora-1世界模型，该模型基于N64经典游戏《黄金眼》测试，支持最多四名玩家在AI生成的虚拟世界中同时行动。系统采用双模型架构分别处理游戏状态模拟与实时渲染，团队认为该技术在协作机器人和AI智能体训练领域具有潜力。
Agora-1：介绍用于复杂环境模拟与推理的多智能体世界模型
本文介绍了一个名为Agora-1的新多智能体世界模型，该模型旨在通过多个AI代理的协作来理解和模拟复杂环境，是AI在模拟和推理能力上的新进展。
WorldString：受大语言模型启发、用于可行动世界表征的神经网络架构
一篇2026年5月19日发表的论文介绍了一种名为WorldString的神经网络架构，该架构旨在建模现实世界物体的状态流形，并可从点云或RGB-D视频流中直接学习，作为物理世界模型的基础数字孪生体。
新基准WorldReasonBench测试AI视频生成器的物理与逻辑合理性
根据2026年5月16日来自The Decoder的报道，一项名为WorldReasonBench的新基准测试评估了AI视频生成模型在物理和逻辑合理性方面的能力，而非画面清晰度。测试结果显示，字节跳动的Seedance 2.0表现最佳，领先于Veo 3.1和Sora 2，且商业模型得分约为开源模型的两倍，但逻辑推理是所有模型的主要短板。
用于规划智能体的世界模型
文章介绍了AI中的'世界模型'概念，即智能体对环境动态的内部学习近似，通过学习状态转换分布来规划行动，避免在真实环境中进行所有尝试。核心内容涵盖基于模型的学习、潜在状态以及典型世界模型的组件（编码器、动力学模型、解码器和奖励模型），并强调了其价值与局限性。
SANA-WM：高效的26亿参数分钟级世界模型
SANA-WM是一个26亿参数的开源世界模型，专为生成一分钟高保真720p视频而原生训练，具备精确的相机控制能力。该模型在数据、训练计算和推理硬件上均展现出显著效率优势，其吞吐量据称是先前开源基线的36倍。