ROWBench：视频模型能否渲染出程序所指定的内容？

PROWBench 基准用于评测可编程世界模型对程序指定世界事件的视觉还原度，包含 170 个程序化构建的片段和 600 段代理视频，覆盖多样场景与交互。该基准记录实体状态等信息，以检验模型对细粒度程序规则与交互的遵循程度，而现有基准多只评估视觉质量、可控性与指令或物理遵循度。