arXiv cs.AI· Huiyi Chen, Weitai Kang, Shicheng Fan, Xinshuo Wang, Zhixiang Shen, Yan Yan, Philip S. Yu, Baoxin Li·· 10 小时前AI 评分34
PhyRubric：基于评分细则的 T2V 生成物理常识诊断评估框架
PhyRubric: Rubric-Grounded Diagnostic Evaluation of Physical Commonsense in Text-to-Video Generation
AI 导读
PhyRubric 提出一种基于评分细则的诊断框架，在观看视频前先为每条提示词构建专属细则，将提示词拆解为语义与物理条目，并依据带时间戳的证据给出条目级判定得分。
正文 · AI 翻译
摘要：随着文本到视频（T2V）模型日益被定位为世界模拟器，评估其生成的视频是否符合物理常识变得至关重要。然而，现有基准依赖标注者凭直觉为每个视频打一个单一分数，所得评分主观性强，且无法指出违反了哪条物理原理。我们提出 PhyRubric，一个基于评分细则的诊断框架，用于评估 T2V 生成中的物理常识。对于每条描述文本，PhyRubric 在观看任何视频之前就构建该描述专属的评分细则，将描述分解为语义项和物理项，并基于带时间戳的证据从条目级判定中得出分数。我们将该框架实例化为 PhyRubric-Bench，涵盖五个物理领域的 34 个类别，并将其扩展为包含 3,788 个视频的 PhyRubric-Train，并在其上微调了开源模型 PhyRubric-Judge。在十个 T2V 模型上的实证结果表明，物理常识仍远未解决，且 PhyRubric-Judge 与人类判断的相关性比现有开源评判器更紧密，同时与前沿专有模型 Gemini 4 Argon 相当。进一步分析为 T2V 模型提供了可操作的见解。
| 评论： | 34 页，19 幅图 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.13576 [cs.CV] |
| （或 arXiv:2611.13576v1 [cs.CV] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2611.13576 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Huiyi Chen [查看邮箱]
[v1]
2026 年 11 月 10 日星期二 04:50:38 UTC（8,069 KB）
来源：arXiv cs.AI · arxiv.org