CaliBench正式推出，用于评估视频世界模型能否复现现实中的真实随机性，测试场景包括掷骰子和抽牌，并比较模型生成结果与现实结果是否匹配。该项目将随机事件纳入视频世界模型评测，有助于相关受众了解模型在概率一致性方面的表现。
下线会立即隐藏 Defomo 内容，并联动撤回 Elys 全部 Feed、详情和分享入口；恢复不会补推历史 Feed。 本操作覆盖整个事件簇及未来新成员。
CaliBench正式推出，用于评估视频世界模型能否复现现实中的真实随机性，测试场景包括掷骰子和抽牌，并比较模型生成结果与现实结果是否匹配。该项目将随机事件纳入视频世界模型评测，有助于相关受众了解模型在概率一致性方面的表现。
簇级候选：4 个已有簇， 共 4 条代表。
帖子转发介绍了CaliBench基准，旨在评估视频世界模型生成的掷骰子、抽卡等结果，是否具备与现实相匹配的随机性。该测试将随机事件模拟纳入模型评估范围，可帮助受众了解世界模型在这类任务上的表现。
CaliBench被介绍为一项评测视频世界模型真实随机性的基准，要求模型在掷骰子、抽牌等场景中生成与现实相符的结果分布。该测试将评估重点从画面是否逼真扩展到底层概率是否合理，可用于识别世界模型在模拟现实规律方面的偏差。
帖文介绍了CaliBench，用于评估视频世界模型能否复现现实中的随机性，而不只是生成视觉上逼真的模拟结果。该评测关注模型底层分布是否正确，例如掷骰子或抽牌时，生成结果的概率分布应与现实相匹配，为世界模型的可靠性评估增加了新的观察维度。
CaliBench被提出用于评估视频世界模型能否复现现实世界的随机性，例如掷骰子或抽牌时生成符合真实分布的结果。该基准将模型评估从画面是否逼真扩展到底层概率分布是否准确，有助于识别视觉模拟与现实规律之间的偏差。
相关团队宣布，其首篇论文《CaliBench》已被TMLR接收，并介绍该基准用于评估图像转视频世界模型生成的物理结果，是否符合真实世界的统计分布，而不只是产出看起来逼真的画面。该研究将视频世界模型的评估重点从视觉逼真度扩展到随机物理结果的分布一致性，为理解这类模型是否真正反映现实规律提供了新的测试视角。