一句话看懂：Hugging Face Papers 收录的论文 PhysOPSD 提出，把可执行代码作为视频生成模型的“特权物理上下文”，用在线策略蒸馏方式提升物理合理性。目前仅见论文摘要，尚无已上线产品信息。
事件核心：发生了什么
2026 年 11 月 9 日，Hugging Face Papers 页面出现论文 PhysOPSD。摘要指出，当前视频生成模型视觉逼真，但在物理动态和复杂交互上仍然脆弱。监督微调受离线状态错配影响，强化学习又受稀疏且定义不清的物理奖励制约。PhysOPSD 延续 On-Policy 蒸馏思路，把“特权上下文”换成了可执行代码：借助 PhysOPSD-Engine 将真实物理场景转写为可验证的仿真程序，再通过双层物理特权和共享随机噪声下的受控物理变化，让模型暴露因果动态差异。摘要称，仅用 3K 样本，在多类骨干模型上物理合理性优于监督微调和强化学习基线，同时保持通用视频生成质量。
为什么重要
视频生成的下一个竞争点正从画质转向物理一致性。PhysOPSD 的价值在于把“物理规律”变成可编辑、可参数控制的代码，而不是依赖文字提示或参考视频。后者要么只能声明，要么把物理规律与外观纠缠在一起。若这条路线成立，训练数据效率和可控性可能改善，也给开源与闭源视频模型提供新的后训练范式。不过目前公开信息仅限摘要，实验规模、对照设置和跨模型稳定性仍需全文验证。
对用户/开发者/创作者的影响
对开发者，值得留意“代码作为训练上下文”是否形成可复用的 API 或开源工具链，尤其是 PhysOPSD-Engine 如何把场景转成仿真程序。对创作者，短期不会改变现有产品体验；更现实的意义是未来模型在碰撞、重力、物体交互等镜头上的可控性可能提升。对企业采购，现阶段不宜把摘要结果当作选型依据，应等待代码、模型权重或第三方复现。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开 PhysOPSD-Engine 与 3K 样本的构建细节；二是物理合理性提升是否在不同骨干模型和长视频任务上稳定复现；三是是否有视频生成团队将代码特权蒸馏接入产品训练管线，或形成开源实现。
