비디오 생성은 아직 세계 모델링 (World Modeling)이 아닙니다.

YoCausal는 선도적인 확산 모델 (Diffusion Models)들이 시간의 화살 (Arrow of Time)은 숙달했으나, 실제 세계의 역재생 비디오를 테스트했을 때 진정한 인과 관계 (Causality) 구현에는 실패한다는 것을 보여줍니다.

13개의 최첨단 비디오 확산 모델 (Video Diffusion Models)이 두 가지 수준의 인과적 인지 (Causal Cognition)를 통해 평가되었습니다.

논문 (Paper):
https://huggingface.co/papers/2605.30346
…
데이터셋 (Dataset):
https://huggingface.co/datasets/YouZhe/YoCausal-dataset
…
프로젝트 (Project):
https://youzhexie.me/papers/YoCausal/index.html
…

양방향 진화 탐색 (Bidirectional Evolutionary Search)을 통한 자기 개선 LLM (Self-Improving LLMs)

좁은 엔트로피 껍질 (Narrow Entropy Shells)을 벗어나기 위해 순방향 후보 진화 (Forward Candidate Evolution)와 역방향 목표 분해 (Backward Goal Decomposition)를 결합하여 조밀한 중간 피드백을 제공함으로써, 사후 학습 (Post-training)과 추론 (Inference)을 모두 개선하는 탐색 프레임워크입니다.