给视频世界模型当“考官”：PlayWorld如何用智能体玩家玩出真水平

视频世界模型能根据你的操作生成后续画面，但怎么公平地评估它们？现有方法常靠固定操作序列，难以适配不同模型。为此，研究者提出PlayWorld基准，包含171个场景和一位多模态“智能体玩家”，它会像真人一样实时观察画面、动态调整动作，从几何一致性、交互真实感、视线外演变等维度全面打分。测试九个先进模型后发现，长时互动仍是硬伤。这个新基准让模型评测更像人，也更靠谱。

原文：arxiv.org