待验证50% 置信观点精确时间
“鹈鹕骑自行车”测试能同时检验生成式视频模型的组合泛化能力、物体交互理解和时间一致性。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证Simon Willison长期使用'鹈鹕骑自行车'作为固定测试用例来横向对比不同AI模型在不同时期的表现71% 相似待验证「画一只骑自行车的鹈鹕」测试最初由开发者Simon Willison提出,用来评估大语言模型和图像生成模型的能力边界69% 相似已验证Simon Willison使用'鹈鹕骑自行车'的SVG生成作为非正式的模型能力基准测试68% 相似待验证该基准测试覆盖了多种检测维度，包括鼠标轨迹分析、请求头一致性、JavaScript执行环境检测以及交互时序模式等。65% 相似待验证在构建游戏时明确要求模型通过截图、视频或运行游戏来反复检查自己的工作，是提升输出质量的有效提示技巧63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1087216API
curl https://kongchang.com/api/v1/knowledge/claims/1087216MCP
get_claim(id=1087216)