OpenAI Sora真的有自己的物理模型吗？

关于 OpenAI 的视频生成模型 Sora 是否具有 "物理引擎"（OAI 自己声称具有 "世界模拟 "功能），有很多猜测。就像关于 LLM 中世界模型的争论一样，这个问题既非常有趣，又有些定义不清。当然，Sora 在推理过程中向 UE5 等外部物理引擎调用函数的可能性很小。请注意，LLM 以前也有过这种情况，谷歌的一篇论文：其中模型通过模拟物理引擎来回答问题。但这并不是大多数人的猜测。相反，人们的想法是，Sora 在训练过程中会获得一个内部物理模型，并利用这个内部模型生成时间和空间上连贯的视频。什么是内部物理模型？这通常取决于如何解释。大概没有人认为Sora 是从模拟牛顿运动定律、能量守恒

关于OpenAI的视频生成模型Sora是否具有物理引擎功能存在争议。Sora是一个扩散模型，以ViT为骨干，可以解码场景几何、光照、阴影和深度等信息。然而，该模型无法捕捉到自然图像结构的某些方面，例如正确的投影几何。需要进行干预性研究，以解码和操纵模型中直观物理特性的内部表征。需要超越行为证据来解决这类争论，并更具体地说明'世界模拟'的含义。