创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

VibeVideoBench评测代码驱动视频生成

AI 总结

论文作者推出 VibeVideoBench,包含239项中英文任务,覆盖12个类别,用于评估通过编写代码而非调用图像或视频生成模型制作视频的多模态智能体。每项任务要求智能体在一小时内交付带声音的完整MP4,评测结合交付检查、约1.3万项任务规则检查、任务特定质量标准及三组VLM评委。测试覆盖9个智能体系统和2,151次计分运行,GPT-6 Astra与Claude Opus 5.5在评委和人类标注者排名中位列前两名,最强系统满足全部核心要求的任务占比为76.3%。

深度见解

该基准为衡量多模态智能体通过代码交付完整视听作品的能力提供了细化方法,并将交付失败单独列为重要维度。

Computer Science > Computer Vision and Pattern Recognition

arXiv:2610.35864 (cs)

[Submitted on 26 Oct 2026 (v1), last revised 27 Oct 2026 (this version, v2)]

Title:VibeVideoBench: Evaluating Multimodal Agents on Code-Driven Video Generation

Authors:Muxi Diao, Wenbin Xu, Lele Yang, Xuyang Ma, Yuzhe Chen, Jiankang Chen, Kaiyu Jiang, Changyi Liu, Haoyu Zhang, Hongyi Fu, Jianxiong Wang, Tianke Zhang, Haonan Fan, Yingxin Li, Bingyi Li, Xu Wang, Xuanyu Zheng, Bin Wen, Tingting Gao, Han Li, Wentao Zhang, Weiran Xu, Kongming Liang, Zhanyu Ma

View a PDF of the paper titled VibeVideoBench: Evaluating Multimodal Agents on Code-Driven Video Generation, by Muxi Diao and 23 other authors

#VibeVideoBench#GPT-6 Astra#Claude Opus 5.5

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。