---
title: Physics-IQ Verified
description: "Anates Labs 修订版 Physics-IQ：同样续写 5 秒，但用另一套 Hugging Face 媒体与逐视角打分。与 Original 不可互换。"
---

Physics-IQ Verified 是 DeepMind 续写协议的**推荐修订版**，由 Anates Labs 打包。[Physics-IQ Original](/zh/docs/evaluation/benchmark-hub/physics-iq) 的*任务*相同：把实拍场景续写 **5 秒**。*数据集与分数适配器不同*。Verified 提供修好的 prompt/mask 与 Hugging Face 媒体（`Anates-Labs-Research/Physics-IQ-Verified`），并在聚合前**按视角**打分（`physics_iq_verified_score` = 官方 `final_score_view`）。Original 用 GCS 媒体和全局 `final_score_orig`。不要混用。

论文：[Physics-IQ Verified](https://arxiv.org/abs/2606.18943)。项目：[physics-iq-verified.anates.ai](https://physics-iq-verified.anates.ai/)。共享引擎出处：[google-deepmind/physics-IQ-benchmark](https://github.com/google-deepmind/physics-IQ-benchmark)。

WorldFoundry **仓内内置打分 runtime**（`run_physics_iq_official_runner.py --protocol verified`），并把 prompt 元数据放在 `worldfoundry/data/benchmarks/assets/physics-iq-verified`。官方**媒体**（396 个参考视频 + 396 个 mask）仍要从 Hugging Face 下载——不在仓库里。单次运行覆盖 **198** 段续写；维护者建议 leaderboard 结论对**四次**运行取平均。

<BenchmarkPageSections id="physics-iq-verified" locale="zh" />

## 如何运行

导入已有的 `raw_metrics.csv`：

```bash
worldfoundry-eval zoo benchmark-run \
  --benchmark-id physics-iq-verified \
  --mode official-validation \
  --official-results-path <raw_metrics.csv> \
  --output-dir tmp/physics-iq-verified/official-validation \
  --json
```

从按官方 scenario id 命名的 198 段续写重算（`--protocol` 是 `verified`，不是 `physics-iq-verified`）：

```bash
hf download Anates-Labs-Research/Physics-IQ-Verified \
  --repo-type dataset \
  --local-dir /path/to/physics-iq-verified

export WORLDFOUNDRY_PHYSICS_IQ_VERIFIED_ROOT=/path/to/physics-iq-verified
export WORLDFOUNDRY_GENERATED_ARTIFACT_DIR=/path/to/physics-iq-verified/generated_videos
${WORLDFOUNDRY_UNIFIED_PYTHON} \
  worldfoundry/evaluation/tasks/execution/runners/physics_iq/run_physics_iq_official_runner.py \
  --benchmark-id physics-iq-verified \
  --protocol verified \
  --run-official \
  --dataset-root "${WORLDFOUNDRY_PHYSICS_IQ_VERIFIED_ROOT}" \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/physics-iq-verified/official-run \
  --strict \
  --json
```

缺场景视频时 `--strict` 会失败。产物包括 `scorecard.json`（主键 `physics_iq_verified_score`）、`raw_metrics.csv` 与 `official_metrics.json`。`physics_iq_verified_mse` 是官方 `score_mse_view`（方差归一化后越高越好），不是 Original 的 `physics_iq_mse_penalty`。

[← 返回 Benchmark Hub](/zh/docs/evaluation/benchmark-hub)