Reka Labs 发布两项 VLM 物理理解与世界模型评测基准

Reka Labs 近日通过官方 X 平台发布了两项面向视觉语言模型（VLM）与智能体（agent）的研究基准，分别聚焦「物理常识理解」与「世界模型驱动的决策」两个互补问题，旨在衡量模型对真实物理世界的理解深度。

背景与研究动机

近年来，多模态大模型在图像描述、视觉问答等任务上取得显著进展，但其是否真正具备类似人类的物理直觉仍是开放问题。Reka Labs 的研究团队从两个角度切入：

• 视觉语言模型能否像人类一样理解物理规律；
• 当智能体借助世界模型在候选动作之间做选择时，是否能选出正确动作。

围绕这两个问题，团队设计了两套对应的评测基准。

PhysicalRealismBench-U：评估 VLM 的物理常识

PhysicalRealismBench-U 面向视觉语言模型的物理理解能力评测，关注模型对真实世界物理现象（如重力、碰撞、遮挡关系等）的判断是否与人类直觉一致。该基准为衡量 VLM 是否具备「物理现实感」提供了标准化测试工具。

WorldModelGym：评估世界模型驱动的智能体决策

WorldModelGym 则面向基于世界模型（world model）的智能体决策场景，测试当智能体利用内部世界模型在不同动作之间进行规划与选择时，是否能够做出符合物理规律的正确决策。该基准将世界模型从「预测」层面拓展到「决策」层面，考察其作为智能体推理组件的实用性。

小结

两项基准分别从「感知判断」与「行动决策」两端切入，形成了关于物理世界理解的互补评测视角。感兴趣的读者可通过 Reka Labs 提供的论文链接获取完整技术细节与评测方法说明。