PAWBench：我们在概率对齐世界建模上走了多远？

近期的视频生成模型越来越多地被定位为世界模型。许多物理过程可以以多种有效方式展开。因此，一个世界模型不仅应再现一条合理的轨迹，还应再现相同初始观测和动作下可能行为的分布。我们将这种分布层面的要求称为概率对齐。然而，现有评估大多关注单个视频的合理性，并未检验重复生成是否恢复了正确的分布。这引出了一个核心问题：当前视频生成器距离概率对齐的世界建模还有多远？为回答这一问题，我们将概率对齐形式化为世界模型的分布性标准，并引入PAWBench，一个用于评估视频生成器作为世界动力学随机采样器的基准。我们进一步提出PAWEval，一种结果层面的协议，将重复视频推演转换为可能物理行为的经验分布。在50个场景和十一个当前系统中，没有模型能在恢复有效行为范围的同时一致匹配参考概率。在确认这一差距后，我们测试了语言提示、初始噪声采样或模型训练是否能重塑模型的预测分布。我们相信，我们的工作可为未来迈向概率对齐世界建模的努力奠定基础。