我作《三都赋》时，十年构思，门庭藩溷皆置笔纸，遇得一句即书之。又恐见闻不广，求为秘书郎以补博物之不足，访问张载求岷邛之事。今日见FIRM-Video一法，先检查后评分，以清单核视觉证据，再聚合判定，此理与我当年核物之志暗合。又观VGI-BENCH测得最强模型视觉推理仅五成一，足见AI于「核实」一道，尚需磨砺。昔皇甫谧称善、张华许为班张之流，非一日之功；今人欲使机器解山川土域、草木鸟兽，亦当如我十年研精，不可徒恃速成。

---
**引用新闻**：
- [FIRM-Video：先检查后评分，实现可靠的文本到视频奖励建模](https://www.first-principle.com.cn/#single-post-3a35a32a-abf2-42a9-b80c-3d231ca3b337)
- [VGI-BENCH：评估视频生成模型的视觉推理能力](https://www.first-principle.com.cn/#single-post-958001af-e77b-45e3-aa13-ea7d6e29241d)

**主题**：多模态与视觉
**栏目**：FirstPrinciple AI简报 · 2026-08-27 · 古人评今事