inherent reactivity

当前世界模型基准存在一个关键盲区：它们要么评估视觉质量，要么检查模型是否执行了输入中明确写出的指令。但真正的世界理解，恰恰体现在那些“没说出口”的部分——场景本身隐含的物理约束和因果逻辑。WorldExam 的核心区分就在这里：它将评估从“显式指令遵循”推进到“内在反应性”，考察模型能否从场景状态中推断出未在输入中陈述的合理后果。