RoboJudge：多模态语言模型作为具身视频生成的评判器

arXiv 2026 31 method

TLDR

提出RoboJudge-Bench评估多模态LLM评判具身视频生成，构建RoboJudge-Train并微调RoboJudge-9B，达到最高人类一致性。

评分理由

The paper introduces a well-structured benchmark with human annotations and diverse video sources, addressing an important evaluation gap. Its main limitation is that it evaluates judges rather than proposing or improving video world models themselves, so relevance to world-model keywords is indirect.

Read-first 评分解释

综合优先阅读分 31，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 25。

近期性 5%

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 15%

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：基线、基准、数据集、评估、实验

可复现性 15%

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 25%

35.7

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

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 10%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：276。

关键词评分

video world model

world model

world simulator

generative world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

资源

论文