LikePhys

最后更新: 2026年10月7日

本页内容

LikePhys（牛津大学，ICLR 2026）是免训练似然探针，不是生成评测。它不给你们生成的视频打分。对 12 个仿真场景（刚体、流体、可形变体、光学）中的每一个，它把物理合法片段与配对的不合理变体放在一起，问扩散模型是否给合法片段更高似然（更低去噪 ELBO）。主指标是误排率——模型偏好不合理变体的频率。全部指标越低越好。

这和 Physics-IQ（续写实拍场景）、PhyGenBench（评审一段生成的 T2V）不是同一件事。

论文：LikePhys。项目：yuanjianhao508.github.io/LikePhys。代码：YuanJianhao508/LikePhys。片段：JianhaoDYDY/LikePhys-Benchmark（920 个片段）。

WorldFoundry 仓内重算官方误排公式（compute_misrank_normalized 与 read_exp_final.py 过滤）。跑上游 ELBO 探针需要调用方提供的 LikePhys checkout（WORLDFOUNDRY_LIKEPHYS_EVALUATOR_ROOT）、CUDA 与被探测权重——WorldFoundry 不内置 fork 的 diffusers pipeline。

论文官方 Teaser：学到物理的模型应对合法视频给出更高似然，而不是违规视频。

评测维度

模型似然探针
类型任务
评测扩散模型本身（成对片段上的去噪 ELBO）。没有候选视频输入，也没有生成榜。
刚体
类型类别
球下落、球碰撞、单摆、滑块与金字塔。
流体
类型类别
液滴、水龙头与河流场景。
可形变体
类型类别
布料垂落与旗帜飘动。
光学
类型类别
移动光源与移动相机阴影场景。

数据组成

规模
12 个仿真场景 × 10 个 subgroup；目录记录 920 个片段（物理合法片段 + 配对的不合理变体）。片段来自 JianhaoDYDY/LikePhys-Benchmark。WorldFoundry 重算官方误排；ELBO 探针需要调用方提供的 LikePhys checkout。
来源
JianhaoDYDY/LikePhys-Benchmark · github.com
模态
text · video
许可证
apache-2.0
说明
误排率是错误率（越低越好）。除非设置 --no-report-filter，否则应用论文 filter_config 排除规则。

指标

likephys_misrank_rate
方向越低越好
所有已评分场景/变体对上按变体加权的平均误排率（论文排名用）。
主指标LikePhys Mis-Rank Rate
likephys_dataset_weighted_misrank_rate
方向越低越好
逐场景误排率的均值（12 个场景等权重）。
rigid_body_misrank_rate
方向越低越好
球下落、球碰撞、单摆、滑块与金字塔上的误排率。
fluid_misrank_rate
方向越低越好
液滴、水龙头与河流上的误排率。
deformable_misrank_rate
方向越低越好
布料垂落与旗帜飘动上的误排率。
optics_misrank_rate
方向越低越好
移动光源与移动相机阴影上的误排率。
temporal_disorder_misrank_rate
方向越低越好
限定全部 12 个场景共有的 temporal_disorder 变体的误排率。

Leaderboard

论文报告结果（非实时榜；不是 WorldFoundry 跑分）。论文总体 PPE。越低表示直觉物理越好。 LikePhys: Evaluating Intuitive Physics Understanding in Video Diffusion Models via Likelihood Preference (2025).

模型	PPE 平均（越低越好）
Hunyuan T2V	43.6
Wan2.1-T2V-14B	43.8
CogVideoX1.5–5B	43.8
LTX v0.9.5	44.7
Wan2.1-T2V-1.3B	48.0
CogVideoX-2B	48.2
CogVideoX-5B	49.8
Mochi	51.9

如何运行

导入 results_<model>.json（或含 <scenario>/results_<probe_model>.json 的目录）并重算误排：

worldfoundry-eval zoo benchmark-run \
  --benchmark-id likephys \
  --mode official-validation \
  --official-results-path <likephys_results_root> \
  --output-dir tmp/likephys/official-validation \
  --json

结果根含多个后端时用 --probe-model。--no-report-filter 会保留论文 filter_config 排除的变体。

对单个模型、单个场景跑上游 ELBO 探针（需要 CUDA 与 LikePhys checkout）：

hf download JianhaoDYDY/LikePhys-Benchmark --repo-type dataset --local-dir "${WORLDFOUNDRY_LIKEPHYS_DATA_ROOT}"

WORLDFOUNDRY_LIKEPHYS_EVALUATOR_ROOT=/path/to/LikePhys \
${WORLDFOUNDRY_UNIFIED_PYTHON} \
  worldfoundry/evaluation/tasks/execution/runners/likephys/run_likephys_official_runner.py \
  --run-official \
  --probe-model wan2.1-T2V-1.3b \
  --scenario ball_drop \
  --benchmark-data-root "${WORLDFOUNDRY_LIKEPHYS_DATA_ROOT}" \
  --output-dir tmp/likephys/probe \
  --json

--dry-run 只准备工作区并打印命令。产物包括 scorecard.json（主键 likephys_misrank_rate）与 misrank_breakdown.json。

← 返回 Benchmark Hub

LikePhys

评测维度

数据组成

指标

指标

Leaderboard

如何运行

相关页面