SVI-Bench：建構戰略影片智慧的動態微世界基準評測

本文提出SVI-Bench，一個旨在評估戰略影片智慧（SVI）的大規模基準測試。SVI超越傳統視覺感知，要求模型具備因果推理、模擬預測及戰略規劃能力。現有基準難以兼顧真實性與可驗證性，SVI-Bench利用團隊運動作為動態微世界，結合真實多智能體交互的複雜性與明確規則的確定性。該基準包含約3.5萬小時廣播影片、1500萬標註動作及籃球、足球、曲棍球的豐富結構化資料，涵蓋9項從動態場景理解到代理合成的任務。實驗顯示，模型在感知任務上表現尚可（細粒度動作問答準確率达73%），但在因果推理和戰略規劃層面出現顯著的能力懸崖——最強模型在自主整合180萬片段證據的代理任務中準確率僅5%，揭示了當前多模態模型在深層認知能力上的巨大缺口。