待验证50% 置信观点精确时间
视频生成模型能力快速提升，但评估手段仍以人工评分为主，成本高、难以规模化且只给出结论不给出原因。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/30
首次发现
有效期至：2027/1/28
来源
涉及实体
相关事实
待验证近年视频生成模型（如Diffusion World Models）的引入提升了高维观测下的预测质量，但复合误差问题仍未根本解决。74% 相似待验证横向对比模型做短片时，需统一推理强度、是否包含缓存、是否含工具调用token等口径，单纯比较耗时和token用量并不公平。74% 相似待验证研究结论是对于被测试的模型和任务，默认加载完整职业画像既不提升准确率，还显著抬高成本72% 相似待验证AI视频生成模型的标准评测指标主要包括FID、FVD、CLIP Score，但这些指标很难捕捉需要领域知识和物理常识才能识别的细粒度错误68% 相似待验证视频作者认为提升模型的下限（最差表现）比提升上限（最佳表现）更有价值67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114188API
curl https://kongchang.com/api/v1/knowledge/claims/1114188MCP
get_claim(id=1114188)