VBench / VBench-2.0

内容与规模

VBench（2023）把视频生成质量拆成 16 个维度，每维有定制 prompt，并附人类偏好标注来验证各维自动指标与人类感知的一致性 [1]。VBench-2.0 扩展为 5 大类：Human Fidelity、Controllability、Creativity、Physics、Commonsense，含大量人类标注用于对齐 [2]。

在数据链条中的位置

评测集本身很小（评测 prompt 规模仅百到千级），但人类标注是其可信度来源；它的分数常作为 DanceGRPO / Flow-GRPO 一类 RL 对齐的评测指标，也与 EvalCrafter、Artificial Analysis Video Arena 互补：前两者是自动指标，后者是真人盲测。

局限

自动指标与人类偏好的相关性需靠人工标注持续校准；各模型可针对基准优化，需配合竞技场式评测。

来源

1. https://arxiv.org/abs/2311.17982 (2026-10-15)
2. https://arxiv.org/abs/2503.21755 (2026-10-15)