“PhyWorldBench”：文本到视频模型中物理真实性的综合评估

arXiv 2025 42.7 benchmark

TLDR

PhyWorldBench通过1050个提示词和人工及多模态大模型评估，检验12个文生视频模型的物理真实性。

评分理由

The paper presents a comprehensive benchmark and evaluation methodology, covering diverse physical phenomena and including an anti-physics category. Its strengths are the broad model coverage and mixed human/MLLM evaluation, though it does not introduce a new generative model and limitations are not detailed in the abstract.

Read-first 评分解释

综合优先阅读分 42.7，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 26。

近期性 8%

86.7

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：2025

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：分析、基准、评估

主题相关性 42%

37.1

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

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：无

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：564。

关键词评分

video world model

world dynamics prediction

world model

world simulator

generative world model

interactive world model

model-based reinforcement learning world model

资源

论文