Metric	关注点
`d1_cam_prec`	官方 Requested-camera precision (D1-CamPrec) 指标在 benchmark 协议中的计分结果。
`d1_cam_align_common_yaw`	官方 Prompt-camera alignment (common yaw) 指标在 benchmark 协议中的计分结果。
`d1_cam_align_static_hold`	官方 Prompt-camera alignment (static hold) 指标在 benchmark 协议中的计分结果。
`d2_visual_integrity`	官方 Visual integrity (D2) 指标在 benchmark 协议中的计分结果。
`d3_visible_spatial_consistency`	官方 Visible spatial consistency (D3) 指标在 benchmark 协议中的计分结果。
`d4_visible_state_consistency`	官方 Visible state consistency (D4) 指标在 benchmark 协议中的计分结果。
`d5_reobservation_spatial_consistency`	官方 Re-observation spatial consistency (D5) 指标在 benchmark 协议中的计分结果。
`d6_reobservation_state_consistency`	官方 Re-observation state consistency (D6) 指标在 benchmark 协议中的计分结果。
`wrbench_average`	汇总 WRBench diagnostic average 相关子指标后的 benchmark 总分。

环境准备

运行环境

Conda 环境： worldfoundry-unified-cu128。
单独配置： 默认复用 WorldFoundry 统一环境（needs_new_env: false），通常不需要额外 benchmark-only conda env。
Contract, Natural-25 request materialization, published-result normalization, and WRBench source are available in-tree.
Full D1-D6 execution requires external checkpoint paths in WORLDFOUNDRY_WRBENCH_RUNTIME_CONFIG.

测评数据

worldfoundry/evaluation/tasks/execution/runners/wrbench/runtime/wrbench
worldfoundry/data/benchmarks/assets/wrbench/natural25
worldfoundry/data/benchmarks/tasks/external/wrbench.yaml

Checkpoint 与资产

Base-model / metric 依赖：vggt_omega, dinov2, qwen3_5_vl, qwen3_vl。
Metric / evaluator checkpoint 默认路径与覆盖变量见 local assets 指南。

关键环境变量

WORLDFOUNDRY_WRBENCH_ROOT
WORLDFOUNDRY_WRBENCH_ASSETS_ROOT
WORLDFOUNDRY_WRBENCH_RESULTS_PATH
WORLDFOUNDRY_GENERATED_ARTIFACT_DIR
WORLDFOUNDRY_WRBENCH_VIDEO_MANIFEST
WORLDFOUNDRY_WRBENCH_RUNTIME_CONFIG

环境检查

PYTHONPATH=. ${WORLDFOUNDRY_UNIFIED_PYTHON:-python} worldfoundry/evaluation/tasks/execution/runners/wrbench/run_wrbench_official_runner.py --run-fixture --output-dir tmp/worldfoundry_preflight/wrbench --json

运行评测

准备好该 benchmark 页面列出的资产和候选产物后，使用下面的公开运行入口。

设置候选产物目录

export WORLDFOUNDRY_GENERATED_ARTIFACT_DIR=/path/to/generated/artifacts

导入已有官方结果

worldfoundry-eval zoo benchmark-run \
  --benchmark-id wrbench \
  --mode normalizer \
  --official-results-path /path/to/official/results-or-report \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/wrbench/normalizer \
  --json

从生成产物重新打分

worldfoundry-eval zoo benchmark-run \
  --benchmark-id wrbench \
  --mode official-run \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/wrbench/official-run \
  --json

直接调用仓内 runner

${WORLDFOUNDRY_UNIFIED_PYTHON:-python} worldfoundry/evaluation/tasks/execution/runners/wrbench/run_wrbench_official_runner.py --benchmark-id wrbench --run-official --output-dir "$WORLDFOUNDRY_BENCHMARK_OUTPUT_DIR" --generated-artifact-dir "$WORLDFOUNDRY_GENERATED_ARTIFACT_DIR" --json

依赖与产物

Inputs

in-tree WRBench runtime and Natural-25 assets
generated videos and camera sidecars for a new model evaluation
WRBench scorer runtime configuration for full D1-D6 execution

Outputs

scorecard.json
benchmark_contract.json
raw_metric_table.jsonl
per_sample_scores.jsonl
generation_requests.jsonl

官方资料

← 返回 Benchmark Hub

WRBench

相关页面