VeriPhy：用于世界模型评估与改进的代理式物理推理
VeriPhy是一套可审计系统，用于评估人工智能生成视频的物理可靠性。在观察任何画面之前，文本规划器会将提示词转换为带类型的物理约束和经过静态验证的执行计划。执行过程中，系统只根据观测结果调用预先指定的低级专家，处理分割、跟踪、计数、深度估计、OCR和音频事件检测等任务。每个判定都保留证据来源，并被归类为支持、矛盾或未知。该系统基于1500段由人工标注、记录生成缺陷的视频。在包含304条缺陷记录的149段核心测试中，VeriPhy覆盖了228条记录；相比之下，已发布的问题分解评估器覆盖164条，使用同一基础模型的单体式方法覆盖222条。其主要优势不是单纯提高召回率，而是能够将每个判定追溯到具体证据。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。