视频世界模型终于有统一评测标准了
推荐指数 64.0 NO. 019 · 2026.05.27
upvotes88comments2
为什么值得看
WBench 推出首个覆盖 5 个维度、289 个测试用例的多轮交互式视频世界模型基准测试。之前各家自说自话，现在做世界模型的团队终于能横向对比了。
媒体预览
编辑判断
世界模型赛道之前最头疼的不是做不出来，而是不知道自己做的好不好——每个团队用不同的场景和指标，论文数字好看但没法复现对比。WBench 把交互类型拆成物理操作、目标导航、工具使用等五类，覆盖了 1058 个交互轮次，相当于给这个领域做了 ImageNet 当年做过的事。
不过要注意，这个基准目前只提供评测框架，不自带训练数据。如果你在做世界模型，建议直接拿它跑一遍自己的模型，短板会暴露得很明显。论文代码是否开源还不确定，如果后续放出评测工具链，可能会快速成为社区事实标准。