瑞财经 刘治颖 2026-11-18 14:26 1.4w阅读

瑞财经 刘治颖 11月17日,智源研究院宣布联合逆矩阵、北京大学、清华大学、北京航空航天大学推出悟界·PhysCapBench。
据介绍,这是首个覆盖第三人称场景、第一人称操作与手持夹爪示范三大领域,统一评测视频Caption物理信息的基准。它从视频描述入手,统一度量描述对物理信息的覆盖与保真,为描述策略选择、标注质量评估和训练数据优化提供一把跨领域的“物理数据量尺”。
第三人称场景、第一人称操作与手持夹爪示范,从不同视角呈现物理过程,为世界模型提供互补的学习经验:第三人称场景重点覆盖物体运动、形变、相互作用与环境变化;第一人称操作关注人与物体的接触、操作过程及状态转换;手持夹爪示范则记录夹爪与物体的交互、操作阶段及执行结果。
悟界·PhysCapBench从七个维度评价Caption,将整体质量落到具体信息类型,为描述策略选择与标注优化提供依据。七个维度分别关注:是否覆盖主要事件与关键阶段;是否准确识别交互对象及其作用;是否描述关键动作、运动方式及其变化;是否表达接触关系与交互过程;是否保留关键状态变化及事件结果;是否依据视频证据表达物理机制与因果关系;是否准确组织事件顺序与阶段转换。
北京智源人工智能研究院成立日于2018年11月,法定代表人为王仲远,是民办非企业单位,业务范围包括开展人工智能技术领域的学术研究、技术研发、成果转化、业务咨询、业务培训、合作交流等。
目前,该研究院对外投资企业共2家,包括北京创新智源科技有限公司、北京码力猫科技有限公司