獎項沿革,評選規則,獎項文化,獎項評析,相關事件,
獎項沿革
該榜單旨在解決行業評測局限於視覺表象的問題，其核心命題是構建從“看起來真實”到“真正可用”的完整評估框架，為此首次將視頻生成質量與具身任務功能性打通。
World Arena圍繞“真能幹活”設計了評測體系，涵蓋16大核心指標和3大真實套用任務，並在六個關鍵維度對世界模型生成質量進行全面評估。
榜單引入了統一的綜合評分指標EWMScore，並將評測結果發布於Hugging Face平台，相關研究論文標題為《WorldArena: A Unified Benchmark for Evaluating Perception and Functional Utility of Embodied World Models》。
評選規則
World Arena榜單的評測體系圍繞“真能幹活”設計，不再將評測局限於視覺表象，而是首次將視頻生成質量與具身任務功能性打通。該體系涵蓋16大核心指標和3大真實套用任務。評測構建了6大核心評估維度，這些維度不僅關注視覺美感，更深入物理規律與空間智慧型層面。評測中引入了70位專業標註者對3500個視頻進行主觀校驗，以確保結果貼近人類對“實用”的直覺判斷。此外，World Arena引入了統一的綜合評分指標EWMScore，將多維度的評測結果整合為一個可橫向對比的分數。
獎項文化
World Arena榜單由清華大學牽頭，聯合普林斯頓大學、新加坡國立大學、北京大學等8所全球頂尖學術機構共同研發。該榜單圍繞“真能幹活”設計評測體系，涵蓋16大核心指標和3大真實套用任務。World Arena旨在構建從“看起來真實”到“真正可用”的完整評估框架。
獎項評析
World Arena榜單是全球具身智慧型領域的一個重要評測平台，其全新評測體系首次將視頻生成質量與具身任務功能性打通，構建了一套從“看起來真實”到“真正可用”的完整評估框架。該榜單旨在提供一套新的指標體系，並引導研究者的關注方向。
榜單通過對14個當前主流世界模型的系統性評測，揭示了視覺生成能力與任務執行能力之間存在巨大鴻溝的關鍵現狀。World Arena引入了統一的綜合評分指標EWMScore，並將模型置於真實的任務執行場景中進行評估，以確保評測結果貼近人類對“實用”的直覺判斷。這一評估方法有助於推動具身智慧型研究的發展。
