时间链：基于图像生成模型的原子推理物理模拟
计算机视觉与模式识别
2025-11-04 v1 人工智能
摘要
我们提出了一种受认知启发的方法，以提高和解释视觉语言模型中的物理模拟。我们的“时间链”方法涉及在模拟期间生成一系列中间图像，其灵感来自机器学习中的情境推理以及人类心理模拟。时间链将在推理时使用，不需要额外的微调。我们将时间链方法应用于合成和真实世界的领域，包括 2D 图形模拟和自然 3D 视频。这些领域测试了各种特定的物理属性，包括速度、加速度、流体动力学和动量守恒。我们发现，使用时间链模拟显著性地提高了最先进的图像生成模型的性能。除了检查性能之外，我们还分析了由图像模型在每个时间步骤模拟的世界状态，这些分析为隐藏在这些模拟背后规律提供了见解，包括图像生成模型能够模拟随时间展开的物理属性（如速度、重力和碰撞）的情形。我们的分析还突出了图像生成模型在从输入图像推断特定物理参数时所面临的挑战，尽管其能够模拟相关的物理过程。
引用
@article{arxiv.2511.00110,
title = {Chain of Time: In-Context Physical Simulation with Image Generation Models},
author = {YingQiao Wang and Eric Bigelow and Boyi Li and Tomer Ullman},
journal= {arXiv preprint arXiv:2511.00110},
year = {2025}
}