近年来，随着文生视频大模型的密集发布，生成式视频技术进入商业化落地的关键周期，但行业始终缺乏标准化的多维度评估体系：传统人工评估效率低、成本高、难以规模化，通用自动化评估指标仅能识别清晰度、流畅度等基础维度，对物理合理性、语义一致性、情节连贯性等复杂效果维度的评估往往与人类主观判断存在较大偏差，成为制约视频生成模型迭代、跨厂商技术效果对比的核心痛点。
近日，AI基础工具服务商moonmath.ai正式发布WORLDJEN Benchmark生成式视频模型多维评估基准数据集，面向视频生成模型评估、多维度质量评估领域开放使用，为上述行业痛点提供了全新的解决方案。
据介绍，WORLDJEN是由moonmath.ai团队构建的生成式视频模型多维评估基准，包含3,754条经过多维度筛选的人类创作提示词及420个生成视频样本。为覆盖不同场景下的模型能力边界，数据集通过对抗性设计的提示词同时评估16个质量维度，采用原生分辨率视频帧和Likert量表问卷进行VLM评分，显著降低了传统方法所需的视频生成数量，大幅压缩评估成本与周期。其核心价值在于通过人类偏好研究（2,696条标注）建立的三级Bradley-Terry评分体系，以及能精确复现人类判断的VLM评估引擎（Spearman ρ=1.000），为视频生成模型的物理合理性、语义一致性等此前难以量化的复杂维度提供可解释的量化评估框架。
从落地应用场景来看，WORLDJEN Benchmark可覆盖多类主体的评估需求：对于视频生成大模型研发厂商，可将其作为版本迭代的标准化评估工具，快速对比不同模型版本的效果差异，减少人工评审的人力与时间投入；对于AIGC学术研究机构，该基准可作为行业通用的对比标尺，解决不同研究成果之间效果难以横向对齐的问题，降低学术研究的重复投入；对于视频生成工具的下游应用方，可依托该数据集完成供应商模型选型的客观评估，降低选型过程中的试错成本；此外，该评估体系的多维度设计也可为生成式视频内容的合规性评估提供参考框架。
作为AI数据要素领域的垂直类基础资源，高质量评估数据集是AIGC产业基础设施的重要组成部分，本次WORLDJEN Benchmark的发布，填补了生成式视频领域多维度标准化评估的空白，也为国内AI评估数据集的专业化、场景化发展提供了参考样本，进一步推动生成式视频产业从技术研发向规模化落地的演进。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)