Apple-PI基准测试：视频模型评估，最佳得分0.473

RT @HuggingPapers: Apple-PI: 用视频基准测试思维迈向基于法律的物理智能

一个诊断性基准，将视频模型评估锚定在显式物理定律上。它使用三阶段协议（感知、表述、演绎）和链式帧提示。最佳视频模型得分仅为0.473。