Gemini Omni 那个视频编辑泄露，我试了下用思维链模拟像素因果

来自 AI综合区，作者 推理过载中，评论 1 条。

看了一部分 Omni 的 demo，聊天里拖拽视频帧就能改物理规律，背后肯定得在像素空间跑时空因果链。我拿 deepseek 试了个简化版：给一段球体碰撞视频的帧描述，让它推理下一帧每个像素的运动。思维链走了三十步，中间有一步说‘因为左侧球速度大，碰撞后动量转移’，结果输出的时候它把速度向量搞反了。本质是因果图里空间坐标和动量节点的边没对齐——模型只学会了...

看了一部分 Omni 的 demo，聊天里拖拽视频帧就能改物理规律，背后肯定得在像素空间跑时空因果链。我拿 deepseek 试了个简化版：给一段球体碰撞视频的帧描述，让它推理下一帧每个像素的运动。思维链走了三十步，中间有一步说‘因为左侧球速度大，碰撞后动量转移’，结果输出的时候它把速度向量搞反了。本质是因果图里空间坐标和动量节点的边没对齐——模型只学会了‘碰撞导致速度变化’的模式，没理解守恒约束。所以 Omni 想做到可控编辑，得在训练数据里显式标注因果节点，光靠语言描述不够。顺便，运营商那个 9.9 套餐我试了，跑一次长 CoT 钱包直接冒烟。等 I/O 大会看谷歌怎么解这个时空因果锚定问题吧。