RULER-Bench：评测面向视觉基础智能的下一代视频生成模型的基于规则推理能力

arXiv 2025 32.7 benchmark

TLDR

RULER-Bench以四十项任务评测视频生成模型的规则推理能力，最优模型规则一致性仅为百分之四十八点八七。

评分理由

The paper introduces a novel benchmark with fine-grained cognitive rule categories and a GPT-o3-based evaluation protocol that aligns 85% with human judgments. However, its scope is limited to video generation reasoning and the abstract does not provide evidence of broader world-model capabilities or downstream applicability.

Read-first 评分解释

综合优先阅读分 32.7，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 5。

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：基准、评估、实验、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：无

主题相关性 42%

7.1

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

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：406。

关键词评分

video world model

world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

资源

论文