视频看着对，事件真的按程序发生了吗？

视频生成 / 世界模型 / 论文 · 7.9/10 · 探索性阅读

10 月 1 日提交的 ROWBench 论文（全文）提出一个很具体的检查办法：如果游戏程序记录“角色在第 12 秒捡起钥匙，转身后钥匙仍在手中”，生成视频不能只在每一帧画得漂亮，还得保留这段事件和物体状态。团队用程序生成 170 段情节和 600 个代理视频，记录时间戳、物体状态及镜头之外发生的事，再检查视频是否呈现了它们可见的后果。论文标题写 ROWBench，摘要把评测框架称作 PROWBench，读原文时可据此辨认。

这种评测比“看起来真实”更贴近交互视频和游戏世界模型要解决的问题：角色出了画面再回来，场景不应凭空重置；一次交互产生的后果，要能延续到后续镜头。论文中的长时段对象重现指标仍很低，提示现有生成模型在持续状态上有明显缺口。

它目前更像一把新尺子，而非行业统一考卷：情节与场景规模有限，部分“逻辑是否对齐”的分数依赖视觉语言模型判断。最有价值的是可执行事件日志这个参照物；具体模型排名还需要更多场景和人工复核。