본 논문은 OpenAI의 Sora가 보여준 비디오 생성 모델의 잠재력에도 불구하고, 이러한 모델이 인간의 사전 지식 없이 시각적 데이터만으로 물리 법칙을 발견할 수 있는지에 대한 의문을 제기한다. 2D 시뮬레이션 환경을 통해 생성된 비디오 데이터를 이용하여 확산 기반 비디오 생성 모델을 학습시키고, in-distribution, out-of-distribution, 그리고 조합적 일반화(combinatorial generalization) 세 가지 시나리오에서 모델의 성능을 평가했다. 실험 결과, 모델은 분포 내에서는 완벽한 일반화를 보였지만, 분포 외에서는 실패했으며, 조합적 일반화에서는 측정 가능한 스케일링 효과를 보였다. 더 나아가, 모델이 일반적인 물리 법칙을 추상화하지 못하고, 가장 가까운 훈련 예시를 모방하는 "사례 기반" 일반화를 보이며, 새로운 경우에 일반화할 때 색상, 크기, 속도, 모양 순으로 요소들을 우선시하는 것을 발견했다. 결론적으로, Sora의 성공에도 불구하고, 비디오 생성 모델이 기본적인 물리 법칙을 발견하기 위해서는 단순한 스케일링만으로는 부족함을 시사한다.
