SVBench：视频生成模型的社交推理能力评测基准

SVBench是CVPR2026论文项目，为首个专门针对视频生成模型社交推理能力的评测基准，填补了该领域评估标准空白。它聚焦模型对社会常识、社交规范的理解，推动视频生成从视觉逼真向符合社交逻辑迈进。原项目由Gloria2tt维护，发布于GitHub（链接：https://github.com/Gloria2tt/SVBench-Evaluation），发布时间2026-06-03。

近年来视频生成技术爆发（如Sora、Runway Gen-3等），但现有评测仅关注视觉质量（FID/FVD）和文本对齐，忽略社交常识（如对话时背对背、图书馆喧哗等行为违规）。社交推理能力是模型实用化关键，SVBench因此诞生。

SVBench从5大维度评估：空间关系理解（如对话位置）、行为规范性（场景适配行为）、角色一致性（身份匹配行为）、情感表达合理性（表情肢体与场景一致）、社交互动逻辑（眼神/轮流发言等）。数据集覆盖日常（家庭聚餐）到特定场景（法庭），每个用例含明确社交期望。

SVBench采用混合评估：空间关系等可自动化检测（如人物朝向/距离）；情感表达、互动流畅度等需人工标准化评分。同时通过统一提示词、对比评测确保公平性，并提供细粒度错误分析（如空间错误、角色不一致）助力模型改进。

基于SVBench评测：1. 最先进模型在复杂社交场景仍犯常识错误；2. 不同模型各维度表现差异（如空间关系好但行为规范弱）；3. 模型规模与社交推理非线性关系，需针对性优化而非仅扩大规模。

对研究：明确社交推理优化目标；对应用：为开发者提供模型选择依据（如虚拟客服需行为规范，广告需空间关系）；对伦理：帮助评估不当内容风险，助力AI安全。

当前局限：覆盖静态场景多，动态互动（持续对话/冲突）少；文化特异性（西方场景为主）。未来方向：扩展动态场景、跨文化数据集，开发更自动化评估方法，将社交推理纳入模型训练目标。