指标总览

所有文档和榜单指标统一为 official。有效性、输入要求和 N/A 规则仍由各指标定义；统一身份不改变分数或组合权重。

本文按 config/benchmark.yaml 中的公开 benchmark 面组织。公开生成面是 image_static 与 image_dynamic。memory_loop 是面向可交互世界模型的独立官方轨道，单独出榜，不折进这两个 suite 的总分。video_static 与 video_dynamic 是采集到的真实视频，作为 jedi、fvmd、trajan 的 benchmark.reference_corpus，不是 video-prefix 生成轨道。experimental 是补充切片，不应混成 benchmark 总分。

读数规则

聚合报告中的字段含义如下：

• raw — 后端原始值；可能是标量或分量字典
• normalized — 写入聚合的 [0, 1] 分数；统一约定越高越好
• official — 所有文档和榜单指标的统一公开身份；发布时核验数值、完整覆盖率和来源
• not_applicable — 强监督不足，不计算、不聚合；进入 not_applicable_summary.json
• normalized = null — runtime 失败或缺输入；不会被自动记为 0

各指标的归一化方式、适用 suite 与 official 门槛，见对应指标页。

Suite 向量

Suite	指标数	说明
image_static	43	以 image 为条件的静态世界生成；video prediction 在输入允许时按 video 指标面扩展评测
image_dynamic	33	motion prompt 覆盖通常比 image_static 更广；不测 camera_error
video_static	37	采集真实视频，仅作 jedi / fvmd / trajan 的分布参考语料，不是生成 suite
video_dynamic	45	采集真实视频，仅作 jedi / fvmd / trajan 的分布参考语料，不是生成 suite
memory_loop	6	单图条件、60 秒闭环 rollout；只评可交互世界模型，分数归入 long_sequence
experimental	20	补充切片，不参与 formal headline 汇总

文档与榜单指标统一为 official；样本能否产生有效测量或记为 not_applicable，取决于输入与后端是否成功；细节见各指标页与 基准评测总览。

五个评测支柱

Metrics 导航按五个顶层维度组织。闭环记忆是 long_sequence 里的一族指标，不是单独的顶层维度。

维度	分类页
Long sequence / Memory	Long Sequence / Memory
Action control	Action Control
3D/4D consistency	3D/4D Consistency
Physics	Physics
Quality	Quality