Hugging Face · 每日论文· 媒体 / 作者来源·精选
VibeVideoBench: 评估多模态代理在代码驱动视频生成中的表现
原文标题
VibeVideoBench: Evaluating Multimodal Agents on Code-Driven Video Generation
AI 导读
研究团队推出VibeVideoBench基准，用于评估多模态代理在代码驱动视频生成中的表现。该基准包含239个独立的英文和中文任务，涵盖12个类别，从数据故事到音乐驱动作品，每个任务要求代理在沙盒环境中一小时内生成带声音的MP4视频。评估采用分层和基于证据的方法，包括程序检查、约13,000个任务特定标准检查和五个质量维度评分。在九个前沿代理系统的2,151次评分中，GPT-6 Astra和Claude Opus 5.5分别排名第一和第二，最强系统在76.3%的任务中满足所有核心要求。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
VibeVideoBench是首个专门用于评估代码驱动视频生成多模态代理的基准，包含239个跨语言任务和分层评估方法，为AI视频生成提供了新的评测标准。
导读由模型辅助整理，非独立核验。完整信息见原文。