WorldExam提出一个分层诊断基准，评测可控视频生成模型作为世界模型时的视觉质量、控制遵循、空间一致性与世界反应性。基准包含1,474个案例、8项任务，并评估20个代表性模型，发现不同输入范式各有优势，却没有模型能在广泛任务上持续兼顾高质量与内在反应性。
最近 24 小时暂无可用热度快照。