arXiv · Machine Learning· Samuele Punzo, Niccol\`o Caselli, Ippokratis Pantelidis, Francesco Massafra, Salvatore Lo Sardo, Mohammadreza Salehi·· 8 小时前AI 评分49
视频基础模型如何编码直觉物理：跨预训练范式的探测分析
How Do Video Foundation Models Encode Intuitive Physics? Probing Across Pretraining Paradigms
AI 导读
研究比较 V-JEPA、VideoMAE 和 LTX-Video 三种视频基础模型对直觉物理信息的编码与可解码性，使用冻结特征探测评估 IntPhys2 和 MVP 基准。V-JEPA 在 MVP 上达到 95.0% 的配对一致性，VideoMAE 在 IntPhys2 上取得 73.9% 的违反预期准确率。物理信息主要在中后层更易提取，其可访问性受基准和探测方法影响。
来源：arXiv · Machine Learning · arxiv.org