PVBench 用物体级物理量检验生成视频的物理合理性，覆盖 7 领域 46 个维度
浙江大学 APRIL Lab、华中科技大学和腾讯优图实验室提出 PVBench，通过物体级物理量测量系统评估生成视频的物理合理性，覆盖 7 个领域、46 个评测维度（物理层 25 个维度），配套 600 组 T2V/I2V 配对提示词，其中 30% 涉具身场景。
推荐理由：该基准把生成视频的物理问题拆成可测量的物理量，实验显示视觉质量与物理合理性并不同步，力学守恒是共同短板。
#视频
我爱计算机视觉精选AI 评分4242
PaperWeekly精选AI 评分3636 阿里、上交等推出 CutCraft 基准，六维度评测多镜头音视频生成的剪辑指令执行能力
阿里巴巴联合上海交通大学、复旦大学等机构发布 CutCraft，一个面向多镜头音视频生成、聚焦专业剪辑指令执行能力的评测基准。数据集从 1500 份候选提示词筛选出 295 条结构化样本，含 1228 个镜头、933 组转场，覆盖 13 种蒙太奇类型；评测含 6 大维度 16 个子维度，采用专家模型打分、专家信号加 VLM 仲裁、VLM 问答三条路径。
推荐理由：原文介绍了聚焦剪辑指令执行的 CutCraft 基准与分层评测方法，读者可以据此判断现有音视频生成模型在专业剪辑上的真实短板。
夕小瑶科技说精选AI 评分5656 StreamEval 发布实时交互视频生成基准，37 个模型最高仅 15 分
arXiv 10 月 20 日论文 StreamEval 由清华、英伟达、CMU、UC Berkeley、普林斯顿、新加坡国立大学和 Reactor 联合提出，是首个面向实时交互视频生成的公开基准，已开源。
推荐理由：原文拆解了 StreamEval 基准的出题方式与评分维度，读者可据此了解实时视频交互模型在各项能力上的具体差距。
已经到底了