Xiulong Liu

新基准显示AI音视频模型缺乏物理学理解能力

研究人员开发了一个名为AV-Phys Bench的新基准，用于评估联合音视频生成模型的物理常识理解能力。该基准测试模型在稳定状态、事件转换和环境转换方面生成一致音频和视频的能力。虽然Seedance 2.0表现最佳，但所有测试模型，包括专有模型，在物理上不一致的提示和动态场景变化方面都遇到了显著困难，表明强大的物理理解能力在该领域仍然是一个重大挑战。