港中文等发布 RoboJudge-Bench 基准：800 段人工标注视频评估多模态模型裁判能力

港中文、UCSD、东北大学、浙大等机构推出 RoboJudge-Bench，以 800 段人工标注视频评估多模态大语言模型作为具身视频生成裁判的可靠性。基准从 Physical Adherence 和 Instruction Alignment 两个维度评测 8 个源数据集、10 个视频生成器，通用 MLLM 表现参差不齐，专用的视频裁判模型更佳。