VibeVideoBench: Đánh giá tác tử đa phương thức trong sinh video bằng mã

Các mô hình video diffusion tạo ra những đoạn phim ấn tượng nhưng chưa thể reliably kết xuất công thức chính xác, biểu đồ đúng, trò chơi nhất quán với luật hoặc lời thuyết minh đồng bộ với sự kiện trên màn hình. Một hướng tiếp cận khác là các tác tử đa phương thức viết mã để kết xuất từng khung hình và tổng hợp từng âm thanh.