HuggingFace Daily Papers· Muxi Diao, Wenbin Xu, Lele Yang, Xuyang Ma, Yuzhe Chen, Jiankang Chen, Kaiyu Jiang, Changyi Liu, Haoyu Zhang, Hongyi Fu, Jianxiong Wang, Tianke Zhang, Haonan Fan, Yingxin Li, Bingyi Li, Xu Wang, Xuanyu Zheng, Bin Wen, Tingting Gao, Han Li, Wentao Zhang, Weiran Xu, Kongming Liang, Zhanyu Ma·· 2 天前精选AI 评分65
VibeVideoBench: 评估多模态智能体在代码驱动视频生成中的表现
VibeVideoBench: Evaluating Multimodal Agents on Code-Driven Video Generation
AI 导读
研究团队推出VibeVideoBench基准，用于评估多模态智能体在代码驱动视频生成中的表现。该基准包含239个自包含任务，涵盖12个类别，要求智能体在沙盒环境中生成带声音的MP4视频。评估结果显示GPT-6 Astra和Claude Opus 5.5排名前二，最强系统在76.3%任务中满足所有核心要求，但渲染规划仍是主要失败原因。
推荐理由
VibeVideoBench首次系统性评估代码驱动视频生成智能体，揭示当前系统在76.3%任务中满足核心要求，但渲染规划仍是主要瓶颈。
来源：HuggingFace Daily Papers · arxiv.org