Sci-VBench : 1 253 exemples pour évaluer la génération vidéo scientifique, écart open/proprio marqué

Sci-VBench (Zhejiang, UCAS, Tongji, Yale) propose 1 253 exemples annotés par experts couvrant 60 sujets dans quatre disciplines pour mesurer la génération vidéo IA à forte charge de raisonnement scientifique. Le protocole rubriqué montre que juges humains non experts et MLLM-as-Judge s'alignent bien sur les experts. Sur 16 modèles frontière testés, la qualité perceptuelle sature mais le prompt grounding et la correction scientifique creusent un écart marqué entre modèles propriétaires et open source.