论文页面 - Principia：视频模型的关系物理学测试

来源：https://huggingface.co/papers/2609.04200

摘要

Principia 通过成对物体间与校准无关的一致性评估视频生成器的牛顿物理学，揭示了其在物理推理方面存在的重大缺陷。

评估视频模型中的物理推理之所以困难，是因为绝对运动测量依赖于帧率、物体尺寸和相机标定，而这些在生成的视频中往往模糊或缺失。我们提出了一种不同的方法：当同一场景中的两个物体遵循相同的物理定律时，它们的运动必须满足可预测的关系，且这些关系独立于任何标定。我们推出了Principia（https://huggingface.co/papers?q=Principia），这是一个通过成对物体间的关系一致性（https://huggingface.co/papers?q=relational%20consistency）来评估牛顿物理学（https://huggingface.co/papers?q=Newtonian%20physics）的基准。Principia（https://huggingface.co/papers?q=Principia）涵盖了八种现象——重力、恢复、摩擦、转动惯量、抛体运动、动量、摆和质量弹簧振荡——涉及平移、旋转、碰撞和振荡动力学，并使用在受控协议下记录的真实场景。我们还引入了一种与校准无关的一致性分数（https://huggingface.co/papers?q=calibration-independent%20consistency%20score），用于直接在图像空间中量化物理违反程度。在来自六个最先进的视频生成器（https://huggingface.co/papers?q=video%20generators）的数千个生成结果中，没有一个模型在Principia（https://huggingface.co/papers?q=Principia）上的得分超过0.42，尽管它们在VBench上的得分都在0.8左右。对视觉语言模型（https://huggingface.co/papers?q=Vision-language%20models）检测关系物理违规能力的评估显示，最好的模型仅达到67%的准确率，大多数模型表现接近随机水平。

查看 arXiv 页面 (https://arxiv.org/abs/2609.04200) 查看 PDF (https://arxiv.org/pdf/2609.04200) 项目页面 (https://principiabench.github.io/) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.04200)

在您的代理中获取此论文：

hf papers read 2609\.04200

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.04200 以从本页链接。

引用此论文的数据集0

无数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.04200 以从本页链接。

引用此论文的空间0

无空间链接此论文

在空间的 README.md 中引用 arxiv.org/abs/2609.04200 以从本页链接。

包含此论文的收藏夹0

无收藏夹包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection) 以从本页链接。