WorldReasonBench：面向未来世界状态预测的视频生成器人类对齐压力测试

针对视频生成系统向“世界模拟器”演进的趋势，本文提出 WorldReasonBench 基准，将评估重构为世界状态预测任务。该基准包含 436 个精心策划的测试用例，涵盖物理、社会、逻辑和信息一致性四个推理维度。研究采用人类对齐的双重评估方法：过程感知推理验证用于检测时序与因果故障，多维质量评估则对推理质量进行评分。此外，还引入了包含约 6000 对专家标注数据的 WorldRewardBench。实验结果表明，当前模型在视觉逼真度与世界推理能力之间存在显著差距，常出现动力学或因果逻辑失败。