MIND 是评测安全领域的开源项目，由 CSU-JPG 开发，是 2026 年新上线的项目。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 81。
项目仍在小幅维护中，最近一次代码更新于 2026-09-08。MIT许可证，提供在线网页演示，完全免费。从国内网络环境看，可直接访问。
它主要面向的使用场景是：研究世界模型的长时记忆保持能力。同类可对比的替代方案包括 VideoGLUE、VBench、EvalCrafter。
MIND
测测你的视频生成模型，记忆和动作控制靠不靠谱
MIND 是一个用于评估世界模型记忆一致性和动作控制能力的开源基准测试平台，属于视频生成领域。它主要解决当前视频生成模型在长时程生成中出现的记忆漂移和动作控制不精确的问题，通过提供开放域闭环回访（closed-loop revisited）的评测框架，让研究者能够系统性地测试和比较不同世界模型在记忆保持和动作引导方面的表现。其核心能力包括：构建标准化的评测任务集、提供可复现的评估指标、支持图像到视频和文本到视频等多种生成模式，并集成计算机视觉和3D相关技术栈。该项目目前处于早期阶段，代码以Python为主，适合从事世界模型、视频生成和具身智能研究的开发者使用。
开源
free
视频生成
GitHub 星标
★ 81
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队CSU-JPG
所属国家
定价模式free
价格说明开源项目，MIT许可证，提供在线网页演示，完全免费。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型3d,aigc,computer-vision,image-to-video,text-to-video,world-model
GitHub 星标★ 81
30天Star增速
HF 下载量
上线时间2026-02-05 00:00:00
最近更新2026-09-08 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
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
项目介绍
上一篇：Video-Bench
同类项目推荐
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···