项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 81
核心亮点
- 首创开放域闭环评测框架，专门针对记忆一致性和动作控制，填补了现有基准的空白
- 支持多种输入模态（文本/图像到视频），适配主流世界模型和视频生成模型
- 提供可复现的评估指标和标准化任务，方便横向对比不同模型
不足之处
- 项目处于早期，文档和社区支持待观察
- 星标数较少，生态和工具链尚不成熟
适用场景
- 研究世界模型的长时记忆保持能力
- 评估视频生成模型在复杂动作指令下的表现
- 对比不同生成模型在闭环控制场景中的鲁棒性
替代项目
VideoGLUE、VBench、EvalCrafter
上一篇：Video-Bench
同类项目推荐
ai-safe2-framework
开源
给 AI 智能体装上治理与合规操作系统，让 AI 安全落地。
The Universal Governance, Risk, Compliance (GRC) Operating System with Integrated Se···
aws-bench
开源
给AI智能体在真实AWS云上打分的基准测试
aws-bench measures how well AI agents and model combinations perform on real AWS wor···
Tracely
开源
把生产事故变成 CI 回归测试，自动拦截坏 PR
Trace-native CI/CD for AI agents — production failures become regression tests that···
agent-python-pytest
开源
pytest 跑完自动上报报告，结果集中可查
Framework integration with PyTest
convex-evals
开源
给 Convex 后端做功能与安全体检，部署前拦住越权和逻辑错。
modelbench
开源
给 AI 模型做安全体检，一键出详细报告
Run safety benchmarks against AI models and view detailed reports showing how well t···
merchantbench
开源
365天订单级仿真，测LLM智能体长期经营是否前后一致
MerchantBench is a 365-day, order-level benchmark for evaluating the long-term coher···
DEFAME
开源
自动核查文本和图片，快速识别虚假信息
Fact-checking system for textual and visual inputs.
guidellm
开源
给 LLM 推理服务做真实压测，选型调优有数可依
Evaluate and Enhance Your LLM Deployments for Real-World Inference Needs