BVB：在 Blender 中以程序化重建评测智能体视频理解能力

研究者推出 BVB（Blender-VideoBench）基准，要求智能体通过编写代码将真实视频重建为 Blender 动画场景，以检验其视频理解能力。评测覆盖 10 个模型家族的 51 种配置，最佳模型 Latent Similarity 达 88.6，但仅保留源视频 53.7% 的时空事实，增加推理可提升感知相似度却无法弥合该差距。