清华/英伟达等推出 StreamEval：38 个模型暴露流式视频生成的真实短板
jiqizhixin · x · 2026-11-10
来自清华、英伟达、CMU、伯克利等机构的研究者发布 StreamEval，用于评估「交互式流式生成」：当指令变化时，视频模型是真的做出反应，还是只继续生成看起来可信的帧。
核心问题：一段成品视频画面精美，也可能藏着漏掉的指令、延迟的反应和不一致的状态；只评外观会漏掉这些失败。
机制：基准调度在线输入，每个模型只能看到已释放的信息；300 个脚本化案例覆盖 5 类任务、15–300 秒视频，共 1347 个计划输入事件；10 项指标覆盖 4 个评估轴，每组跑 3 次取聚合分。
结果：跨 49 个模型-任务配置测试 38 个模型，发现「看起来可信」与「及时正确响应」之间存在巨大差距。
「多模态」频道最新
- 阿拉伯语图像模型横评收官:GPT 在阿拉伯文字上意外翻车 — aziz4ai · 2026-11-11
- 动画风格横评:Nano Banana 最稳,GPT 更宏大但偏写实 — aziz4ai · 2026-11-11
- 四款图像模型同题实测:5 种风格横评 MiniMax H3 与 Seedream 5.5 等 — aziz4ai · 2026-11-11
- AI 生成 1972 复古版复仇者联盟，怀旧感拉满 — techhalla · 2026-11-11
- 新语音模式=旧功能拼盘？对比图质疑 ChatGPT 标准语音的真实性 — shaunralston · 2026-11-11
- 用户实测：Qwen Image 2.1 在 Windows 上比 Linux 慢 30-40% — wacomlover · 2026-11-11