**WBench：一个用于交互式视频世界模型评估的综合多轮基准测试**

_WBench: A Comprehensive Multi-turn Benchmark for Interactive Video World Model Evaluation_

> 本文介绍了WBench，这是一个针对交互式视频世界模型的综合多轮基准测试，旨在填补现有评估标准不完整的空白。WBench包含289个测试用例和1058轮交互，覆盖视频质量、场景遵循、交互一致性等五个维度。它使用22个自动子指标，结合专家视觉模型和大语言模型进行评估，并已在20个先进模型上测试，揭示了各模型的优势与挑战。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.25874)