arXiv论文提出物理一致性基准：视频世界模型「物理期末考」，最佳模型仅57.76分

World Models' Last Exam in Physics 研究者发布World Models' Last Exam in Physics基准，包含40个受控任务，覆盖力学、光学、流体、热与相变、电磁学及表面张力，每个任务以可测量的物理判据评估而无需参考视频。对八个视频生成模型共1280段视频的实验显示物理不一致问题普遍存在且任务间差异大，最佳模型总分仅57.76/100；该评估器与人类判断的一致性强于直接使用视觉语言模型的基线。