Physion-Eval：通过人类推理评估生成视频的物理真实性

arXiv 2026 43.5 benchmark

TLDR

Physion-Eval基准通过专家推理评估生成视频的物理真实性，发现多数SOTA生成视频存在物理故障。

评分理由

The paper introduces a large-scale expert-annotated benchmark with 10,990 reasoning traces and fine-grained physical categories, providing strong evidence of current video generation limitations. Its weakness is that it focuses on human-identifiable glitches and does not propose automated metrics or mitigation strategies.

Read-first 评分解释

综合优先阅读分 43.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 18。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、数据集、评估、指标

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集

主题相关性 42%

25.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：667。

关键词评分

world model

world simulator

video world model

generative world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

资源

论文