VeriScene 提出将世界模型用于法医场景重建，以解决原始多模态证据直接输入世界模型时产生的证据遗漏、证词矛盾被忽略以及生成运动不符合证据记录等问题。该模型以智能体方式编排世界模型，接收法医照片和可靠性不一的证人陈述作为输入，通过“引用叙事融合—审计循环—探测回放—约束注入”的流程，将每条主张与具体证据关联，并利用世界模型的物理规律对假设的动态过程进行验证，最终从融合关键帧渲染出犯罪行为重演视频。实验基于25个犯罪场景、7种物理驱动的案件类型、139张法医风格照片和65份人为植入不可靠性的陈述，在20个测试场景上取得0.9014的证据覆盖率与0.7217的事实一致性（0-1分制），相比端到端多模态大语言模型基线，事实一致性提升20.35%，时间连贯性提升34.88%，且可在四种LLM编排后端上泛化，单场景成本约1.82美元。研究展示了如何将可信约束、人类审计和生成模型结合，为需高可靠性的多模态推理任务提供了新范式。