Apple-PI 评测 11 个视频模型的物理推理上限仅 0.473
mmlab-ntu · hf · 2026-07-21
Apple-PI 用物理定律评测视频模型推理
这篇工作指出，现有视频基准大多只看结果像不像“符合物理”，却很少验证模型是否真的沿着可信的物理推理过程得到答案。为此，作者提出了一个明确锚定物理定律的视频模型基准 Apple-PI。
核心组成
- Orchard：包含 400 个视频，覆盖经典力学中的 10 类典型任务。
- 三阶段协议：感知 → 公式化 → 演绎，对应科学推理的流程。
- 使用带信息图标注的首帧进行 chain-of-frames 提示，把生成视频视为可见推理轨迹。
- 评测系统同时结合 MLLM 主观打分 和 物理定律约束的客观指标。
主要结论
- 对 11 个模型 的测试显示，最佳视频模型也只有 0.473。
- 模型在“感知→公式化→演绎”之间存在明显瓶颈。
- 多定律状态迁移能力仍然较弱。
- 结果表明，当前视频模型距离真正可靠的、基于物理定律的世界模拟器还有明显差距。
所属事件:Apple-π基准测试直击视频模型物理推理短板(3 条相关)→
「多模态」频道最新
- 用 Astra 计算机视觉操控 Premiere Pro 剪辑，10 个实用玩法 — beechinour · 2026-10-27
- Galaxy S26 纯端侧跑 MiniMax H3：7 分钟生成 5 秒带音频视频 — BidFunny4862 · 2026-10-27
- Krea 推出 Premiere Pro 插件:剪辑时间线内直接生成视频与音效 — lmoroney · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- 可编程视频编辑器 Butter 走红:时间线上搭积木做动效模板 — beechinour · 2026-10-27