physical reasoning world models video generation benchmark evaluation
摘要

生成式世界模型广泛用于视频生成，但其是否遵循物理规则仍难评估。现有基准存在评估框架粗糙、标注偏差及自动化评估缺乏物理意识等挑战。为此，本文提出 PhyGround，一个基于准则的物理推理评估基准，涵盖 13 类物理定律及 250 个精心设计的提示。通过大规模人工研究评估了八个主流模型，并发布了专用物理视觉语言模型 PhyJudge-9B，其偏差显著低于通用模型，支持可复现的自动化评估。

AI 推荐理由

论文核心聚焦于评估生成式世界模型中的物理推理能力，构建基准与专用评判模型。

研究机构
Arash Akbari Lin Zhao Arman Akbari Zoe Y. Lu Hokin Deng Sarah Ostadbabas Jennifer Dy Yanzhi Wang
论文信息
作者 Juyi Lin, Arash Akbari, Yumei He, Lin Zhao, Haichao Zhang et al.
发布日期 2026-05-11
arXiv ID 2605.10806
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF Code