PRISM：揭露程式化影片生成的執行—空間落差
背景：程式化影片生成被視為可提供幾何與時間一致性的替代方法。該研究推出PRISM基準，蒐集10372組人類校準的指令與程式碼配對，並以四項指標評估執行性、空間推理、提示感知動態複雜度與時間密度。結果顯示從可執行到空間通過率平均下降約41%，突顯可執行性無法代表視覺空間一致性。
要點速報：可跑的程式碼不等於空間正確的動畫
PRISM是一套針對程式化影片生成的大規模基準，蒐錄了10372組人類校準的指令與程式碼，覆蓋中英文與437個主題類別，旨在評估模型產出動畫的空間與時間一致性。
研究提出一個漏斗式評估框架，包含四項互補指標：可執行性（Code-Level Reliability）、空間推理（Spatial Reasoning）、提示感知動態複雜度（PADVC）與時間密度（TD），以從程式碼到整段動畫的表現逐級檢驗。
系統性測試七種主流大型語言模型後，研究發現存在明顯的「執行—空間落差」，平均從執行成功率到空間通過率下降約41%。此結果表明僅憑程式碼能否執行，無法保證輸出具備空間一致的視覺效果。
結論是：程式化影片生成的評估應超越可執行性，將空間正確性納入基準，以推動更可靠的動畫佈局與時序生成。
延伸閱讀
- BacktestBench 與 AutoBacktest：首個大型自動化量化回測基準
- 從回測到部署：LLM 交易代理的 P1–P6 證據要求與風險
- 以大型語言模型進行多維行為評估並透過SAC閉環強化學習優化代理式股票預測
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
